arcabouço teórico para mineração de dados de defeitos ... · de informações de defeitos de...
TRANSCRIPT
JOYCE PAULA MARTÍN DELATORRE
Arcabouço teórico para mineração de dados de defeitos construtivos em
modelos BIM
São Paulo
2016
JOYCE PAULA MARTÍN DELATORRE
Arcabouço teórico para mineração de dados de defeitos construtivos em
modelos BIM
Dissertação apresentada à Escola
Politécnica da Universidade de São Paulo
para obtenção do título de Mestre em
Ciências.
Orientador: Prof. Dr. Eduardo Toledo
Santos
São Paulo
2016
JOYCE PAULA MARTÍN DELATORRE
Arcabouço teórico para mineração de dados de defeitos construtivos em
modelos BIM
Dissertação apresentada à Escola
Politécnica da Universidade de São Paulo
para obtenção do título de Mestre em
Ciências.
Área de Concentração: Engenharia de
Construção Civil e Urbana
Orientador: Prof. Dr. Eduardo Toledo
Santos
São Paulo
2016
DELATORRE, J.P.M. Arcabouço teórico para mineração de dados de defeitos
construtivos em modelos BIM. São Paulo. 2016. 122 p. (Mestrado) Escola
Politécnica, Universidade de São Paulo, São Paulo, 2016.
AGRADECIMENTOS
Ao meu orientador, Professor Dr. Eduardo Toledo Santos, por seu apoio,
competência e especial atenção nas revisões e sugestões, fatores fundamentais
para a conclusão deste trabalho.
Ao professor Fabiano Correa, por toda a sua contribuição na discussão sobre o tema
e aplicação de testes para a evolução desta pesquisa.
As empresas envolvidas, por disponibilizarem o acesso às informações
apresentadas e que foram valiosas para o desenvolvimento deste trabalho.
Aos amigos Jéssica Franco, Ana Carolina Cayres, Murilo Amadeo e Renato Moretini
pelas valiosas contribuições e a todos que colaboraram direta ou indiretamente na
execução deste trabalho.
Ao Ivo Mainardi, amigo e colega de mestrado, por ter me dado força em momentos
cruciais e ter me mostrado que o que realmente importa é podermos deixar nossa
contribuição ao mundo.
Por fim, e com destaque, à minha família, por sempre me apoiar em todas as minhas
empreitadas e por compreender as ausências necessárias durante o tempo de
desenvolvimento deste trabalho.
RESUMO
No mercado de construção civil, o BIM ou Modelagem da Informação da Construção,
deixou de ser um modismo com poucos pioneiros, para ser a peça central da
tecnologia do mercado de Arquitetura, Engenharia e Construção (AEC), abordando
aspectos de projeto, construção e operação de edifícios. Além das informações de
projeto, pode-se agregar ao modelo BIM dados externos oriundos da execução,
avaliação e manutenção da construção. Cresce, com isso, o número de informações
que podem ser armazenadas nos modelos e a oportunidade para identificação de
padrões não explícitos, relacionados à geometria e topologia de seus componentes.
Para análise destas informações, faz-se necessária a utilização de técnicas que
permitam o seu processamento. Dentre as técnicas existentes para a descoberta de
conhecimento em bases de dados está o KDD (Descoberta de Conhecimento em
Bases de Dados) e, especificamente, a mineração de dados. Focando
especificamente os dados oriundos do registro de defeitos da construção e
considerando que o modelo BIM não é um repositório de dados no qual técnicas
padrão podem ser aplicadas diretamente, esta pesquisa teve como objetivo o
desenvolvimento de um arcabouço teórico que define os pontos relevantes para a
utilização de técnicas de mineração de dados de defeitos construtivos em modelos
BIM, fornecendo uma base conceitual para a sua aplicação prática. Acredita-se que
a aplicação de mineração de dados em modelos BIM pode propiciar a identificação
de padrões que são influenciados de alguma forma pela geometria dos elementos
construtivos, padrões estes que podem ser úteis tanto para a análise de problemas
de qualidade de execução, quanto para produtividade, manutenção, pós-ocupação,
entre outros. Além da proposta de arcabouço teórico para mineração de dados em
modelo BIM, esta pesquisa propôs um conjunto de componentes BIM para registro
de informações de defeitos de construção, bem como uma proposta para
categorização das relações entre os defeitos e os componentes do modelo BIM, de
forma a tornar explícitas informações relevantes para mineração de seus dados.
Palavras-Chave: BIM. Modelagem da Informação da Construção. Mineração de
dados. KDD. Defeitos construtivos.
ABSTRACT
In the construction market, BIM - Building Information Modeling is no longer a fad
adopted by few pioneers, but the centerpiece of technology in the Architecture,
Engineering and Construction market (AEC), addressing aspects of design,
construction and operation of buildings. In addition to engineering design information,
the BIM model allows for storage and management of information from the
construction process, facilities operations and building maintenance. Alongside with
this, the amount of information stored in models and the opportunity to identify
patterns related to geometry and topology of construction components also increase.
For the analysis of this information, the use of appropriate data processing
techniques is essential. Use of KDD (Knowledge Database Discovery) and Data
Mining are among the existing techniques used for knowledge extraction in large
databases. While focusing on data from construction defects and considering that a
BIM model is not a standard data repository, in which standard data mining
techniques could be applied directly, this research aimed to develop a theoretical
framework that defines the requirements and procedures for the use of Data Mining
Techniques for construction defects in BIM models, while providing a conceptual
basis for its practical application. It is based on the concept that the application of
data mining in BIM models is able to retrieve patterns that are influenced by the
geometry of building elements and that these patterns can be useful for analyzing
issues of construction quality, productivity, maintenance, and post–occupancy,
among others. In addition to the proposition of a theoretical framework, this research
developed a standard set of BIM components for the record of construction defects
data, and suggested a structure for the categorization of correlations between
defects and BIM components, with the purpose of clearly identifying relevant
information for the data mining process.
Keywords: BIM. Building Information Modeling. Data mining. KDD.
LISTA DE ILUSTRAÇÕES
Figura 1 - Usos BIM categorizados por etapa da construção .................................... 24
Figura 2 - Processo de descoberta de conhecimento em banco de dados (KDD). ... 31
Figura 3 - Metodologia para preparação de dados espaciais para mineração de
dados clássica. .......................................................................................................... 35
Figura 4 - Estrutura de alto nível do esquema GMSD e as operações em nível de
instância .................................................................................................................... 38
Figura 5 - Visão geral do framework do bimserver.org, do aplicativo BIMQL e das
camadas MDA envolvidas ......................................................................................... 39
Figura 6 - Relação entre a estrutura da linguagem (sintaxe abstrata) e a
representação da linguagem (sintaxe concreta) ........................................................ 41
Figura 7 - Aplicação do teorema SAT em relação a duas paredes. .......................... 43
Figura 8 - Representação de colunas no eixo e fora do eixo. ................................... 44
Figura 9 - Sistema de inspeção de defeito baseada em realidade aumentada ......... 49
Figura 10 - Fluxo de trabalho para controle de qualidade baseado no BIM .............. 50
Figura 11 - Exemplo relatório de verificação de qualidade ........................................ 51
Figura 12 – Método para dados de defeito proposto por Lee et al. 2016 .................. 52
Figura 13 - Principais termos ligados a patologias construtivas. ............................... 56
Figura 14 - Ilustração de umidade localizada na parede do edifício. ......................... 57
Figura 15 - Imagem de uma eflorescência. ............................................................... 57
Figura 16 - Imagens de destacamento de revestimento de fachada ......................... 58
Figura 17 - Fissura causada por deformação excessiva da viga............................... 58
Figura 18 - Ilustração de diferentes formatos de trincas e fissuras. .......................... 59
Figura 19 – Fissuras causadas por recalques das fundações................................... 62
Figura 20 – Fissuras causadas por corrosão de armadura em vigas. ....................... 62
Figura 21 – Fissuras causadas por esforço de tração ............................................... 63
Figura 22 – Fissuras causadas por esforço de compressão ..................................... 63
Figura 23 – Fissuras causadas por esforço de flexão ............................................... 63
Figura 24 – Fissuras causadas por força cortante .................................................... 64
Figura 25 – Diferentes posicionamentos dos vazios de concretagem. À esquerda,
localizado na parte intermediária do pilar e, à direita, a mesma patologia, mas em
fundo de viga. ............................................................................................................ 65
- , causado pelo lançamento
indevido do concreto, provavelmente feito a uma altura superior a 3 m ................... 65
Figura 27 - Os sete passos da Pesquisa Construtiva agrupados em três fases
principais. .................................................................................................................. 68
Figura 28 - Cluster de componentes não conformes no modelo estrutural. .............. 75
Figura 29 - Linha de colunas não conformes sobre a fundação não conforme. ........ 75
Figura 30 – Modelo BIM desenvolvido para o teste com a inclusão de componentes
defeito. ...................................................................................................................... 77
Figura 31 - Ficha de verificação de serviço com registro de não conformidades. ..... 81
Figura 32 - Exemplo mapeamento problemas construtivos de obra 1. ..................... 82
Figura 33 - Exemplo mapeamento problemas construtivos de obra 2. ..................... 82
Figura 34 - Registro de ocorrências na área de assistência técnica. ........................ 84
Figura 35 - Gráfico com a quantidade de problemas associados a cada categoria. . 86
Figura 36 – Componentes defeito propostos: 1- trincas e fissuras, 2 -vazios de
concretagem e 3 - manchas. ..................................................................................... 93
Figura 37 - Configuração da cor do defeito em projeto. ............................................ 94
Figura 38 - Parâmetros compartilhados sobre informações de defeito a serem
inseridos nos componentes conforme necessidade. ................................................. 95
Figura 39 - Tabela com informações do defeito. ....................................................... 97
Figura 40 - Ficha para coleta de dados de defeitos construtivos. ............................. 98
Figura 41 – Resultado do poLCA do teste 1. .......................................................... 102
Figura 42 – Planilha de dados planificados para entrada no poLCA ....................... 105
Figura 43 – Resultado do poLCA do teste 2. .......................................................... 105
Figura 44 - Arcabouço teórico para mineração de dados de defeitos em modelos BIM
................................................................................................................................ 109
LISTA DE QUADROS
Quadro 1 - Suporte das diferentes consultas (query) espaciais para BIM ................ 45
Quadro 2 - Cargo e principiais responsabilidades dos profissionais entrevistados. .. 72
Quadro 3 - Base de dados exportada pelo BIM 360 Field. ........................................ 79
Quadro 4 - Tabela parcial das descrições dos problemas e categorização. ............. 85
Quadro 5 - Relações relevantes para mineração de dados de defeitos em modelos
BIM ............................................................................................................................ 86
Quadro 6 – Configuração das trincas e fissuras de acordo com a causa ................. 89
Quadro 7 – Configuração dos vazios de concretagem de acordo com a causa ....... 90
Quadro 8 – Parâmetros propostos para cada tipo de defeito. ................................... 96
Quadro 9 – Representação no modelo para cada tipo de agrupamento. ................ 106
LISTA DE TABELAS
Tabela 2.1 – Fontes de informação e nível de reuso (Parcial) .................................. 48
Tabela 2.2 - Classificação de fissuras. ...................................................................... 60
Tabela 4.1 - Tabela parcial com registros das fissuras representadas nas plantas. . 83
Tabela 4.2 - Representação dos elementos do modelo BIM utilizado nas técnicas de
mineração de dados. ............................................................................................... 100
Tabela 4.3 - Representação dos elementos do modelo BIM utilizado nas técnicas de
mineração de dados. ............................................................................................... 104
LISTA DE ABREVIATURAS E SIGLAS
AEC Arquitetura, Engenharia e Construção
APO Avaliação Pós Ocupação
AR Realidade Aumentada
BIM Building Information Modeling / Modelagem da Informação da
Construção
BIMQL
CAD
Building Information Model Query Language
Computer-Aided Design / Projeto Auxiliado por Computador
GML Geographic Markup Language
GMSD Generalised Model Subset Definition Schema
IFC Industry Foundation Classes
IoT Internet of Things / Internet das Coisas
KDD Knowledge Discovery in Databases
LCA Latent Structure Analysis /Análise de Classe Latente
MVD Model View Definition
PMQL Partial Model Query Language
QL4BIM Query Language for Building Information Models
RDF Resource Description Framework
SAT Separating Axis Theorem
SIG Sistema de Informação geográfica
SPARQL SPARQL Protocol and RDF Query Language
VBQL A visual BIM query language
XML eXtensible Markup Language
3DIR Three-Dimensional Information Retrieval
SUMÁRIO
1 INTRODUÇÃO ............................................................................................................ 16
1.1 Justificativa.................................................................................................................... 19
1.2 Objetivo do estudo ........................................................................................................ 20
1.2.1 Objetivo geral ................................................................................................................... 20
1.2.2 Objetivos específicos ........................................................................................................ 21
1.3 Estrutura da dissertação................................................................................................. 21
2 REVISÃO DA LITERATURA ........................................................................................... 22
2.1 Modelagem da Informação da Construção (BIM) ............................................................ 22
2.1.1 A definição de Modelagem da Informação da Construção (BIM) .................................... 22
2.1.2 Os usos do BIM ................................................................................................................. 23
2.1.3 A característica dos objetos em modelos BIM ................................................................. 24
2.1.4 Avanços do BIM na indústria de construção civil ............................................................ 25
2.1.5 Considerações finais ......................................................................................................... 26
2.2 Aplicação de descoberta de conhecimento em base de dados (KDD) na construção civil .. 27
2.2.1 Uso de mineração de dados na construção civil .............................................................. 28
2.2.2 O processo KDD e a mineração de dados ........................................................................ 29
2.2.3 Metodologia para preparação de dados espaciais para mineração de dados clássica ... 32
2.2.4 Padrões encontrados em mineração de dados ............................................................... 33
2.2.5 Particularidades da mineração de dados espacial ........................................................... 33
2.2.6 Metodologia para preparação de dados espaciais para mineração de dados clássica ... 34
2.2.7 Considerações finais ......................................................................................................... 35
2.3 Conceitos relevantes para a mineração de dados BIM ..................................................... 36
2.3.1 Operadores espaciais ....................................................................................................... 36
2.3.2 Linguagens de consultas aplicáveis a modelos BIM ......................................................... 37
2.3.2.1 Partial Model Query Language (PMQL) ................................................................................... 37
2.3.2.2 Generalised Model Subset Definition Schema (GMSD) .......................................................... 37
2.3.2.3 Building Information Model Query Language (BIMQL) ........................................................... 38
2.3.2.4 Query Language for Building Information Models (QL4BIM) .................................................. 39
2.3.2.5 A visual BIM query language (VBQL) ....................................................................................... 40
2.3.3 Funções para consulta de relações topológicas em modelos BIM .................................. 41
2.3.4 Aplicativo para retornar relações topológicas em modelos BIM ..................................... 45
2.3.5 Considerações finais ......................................................................................................... 46
2.4 A construção civil e o uso da informação ........................................................................ 47
2.4.1 Fontes de informação na construção civil ....................................................................... 47
2.4.2 Organização das informações em base de dados BIM .................................................... 48
2.4.3 Considerações finais ......................................................................................................... 52
2.5 Defeitos e patologias construtivas .................................................................................. 53
2.5.1 A gestão dos dados de defeitos em edifícios ................................................................... 53
2.5.2 Principais tipos de defeitos em edifícios .......................................................................... 55
2.5.3 Particularidades de trincas e fissuras ............................................................................... 59
2.5.4 Particularidades de vazios de concretagem ..................................................................... 64
2.5.5 Considerações finais ......................................................................................................... 66
3 MÉTODO ................................................................................................................... 68
3.1 Fase 1: descoberta de um problema de pesquisa relevante que tenha potencial para
pesquisa ................................................................................................................................. 69
3.2 Fase 2: Examine o potencial da pesquisa para cooperação a longo prazo ......................... 69
3.3 Fase 3: obter uma visão geral e compreensiva sobre o tema ........................................... 70
3.3.1 Revisão de literatura ........................................................................................................ 70
3.3.2 Entrevistas semiestruturadas........................................................................................... 71
3.3.3 Tabulação e análise dos dados ......................................................................................... 73
3.4 Fase 4: inovação – desenho de um novo constructo (solução) ......................................... 73
3.5 Fase 5: implementar e testar o novo constructo ............................................................. 74
3.5.1 Análise da viabilidade de minerar dados de modelos BIM .............................................. 74
3.5.2 Elaboração de componente paramétrico para representação de defeitos ..................... 76
3.5.1 Mineração dos dados do modelo com a inclusão do componente defeito .................... 76
3.6 Fase 6: demonstrar conexões teóricas e o conceito da contribuição de pesquisa da solução
77
4 RESULTADOS ............................................................................................................. 78
4.1 Processo de controle de qualidade e gestão de não conformidades da empresa A: .......... 79
4.2 Processo de controle de qualidade e gestão de não conformidades da empresa B: .......... 80
4.3 Relações relevantes para sistema de mineração de dados de defeitos em modelos BIM .. 84
4.4 Classificação das relações entre o componente defeito e o elemento construtivo ............ 88
4.5 Proposta do componente defeito ................................................................................... 91
4.5.1 Informações relevantes para o componente defeito ...................................................... 92
4.5.2 Componentes defeito propostos ..................................................................................... 92
4.6 Proposição de ficha para coleta de dados de defeitos ..................................................... 97
4.7 Resultado dos testes ...................................................................................................... 99
4.7.1 Análise da viabilidade de aplicar técnicas de mineração de dados em modelos BIM ..... 99
4.7.2 Mineração dos dados do modelo com a inclusão do componente defeito .................. 103
5 ARCABOUÇO TEÓRICO PARA MINERAÇÃO DE DADOS DE DEFEITOS EM MODELOS BIM
109
6 CONCLUSÃO E TRABALHOS FUTUROS ....................................................................... 112
16
1 INTRODUÇÃO
Dado o avanço das tecnologias, torna-se cada vez mais frequente o surgimento de
sistemas para coleta e armazenamento de dados na construção civil, permitindo que
estes dados estejam mais disponíveis. Para Soibelman et al. (2008) os avanços na
ciência de coleta de dados, tais como sistemas de sensores, etiquetas de rádio
frequência, extranets da construção, códigos de barras e informatização têm
permitido a geração de inúmeros dados. Juntamente a isso, houve uma melhoria
nas tecnologias de armazenamento de dados. De acordo com Fayyad; Piatetsky-
Shapiro e Smyth (1996) o hardware e a tecnologia de banco de dados permitem o
armazenamento e acesso a dados de modo confiável, eficiente e barato.
Dentre as tecnologias que têm ganhado força na construção civil e que podem ser
consideradas como novas fontes de informações de construção, é possível destacar
o Building Information Modeling -
(
.
Para Khemlani (2014), com base no advento da Internet das Coisas (ou Internet of
Things - IoT), é natural imaginar-se que não só os edifícios, mas também as
informações utilizadas para projetá-los e executá-los irão mudar. Certamente
poderão existir nos modelos BIM parâmetros adicionais reservados para capturar as
propriedades adicionais "inteligentes" de um elemento de construção. É possível
prever também que as aplicações BIM poderão levar em conta a forma como os
elementos inteligentes irão interagir entre eles, simulando seu comportamento na
vida real. Cada elemento construtivo poderá possuir sensores inteligentes embutidos
que analisarão o seu desempenho e irão transportar não só dados de identificação e
localização, mas também poderão compreender as características de suas
propriedades, os potenciais sinais de danos e deterioração, os protocolos de
comunicação com outros elementos, entre outros. Como, por exemplo, o uso de
sensores em estruturas de concreto poderá determinar a qualidade e capacidade de
17
carga de cada elemento estrutural, gerando uma ampla base de informações de
qualidade.
Para análise e processamento deste grande volume de dados, surgem técnicas
como a de descoberta de conhecimento em base de dados (KDD – Knowledge
Discovery in Databases), incluindo a aplicação de mineração de dados (ou data
mining). Segundo Silberschatz; Korth e Sudarshan (2006), as técnicas de KDD
visam descobrir automaticamente regras estatísticas e padrões a partir dos dados. A
mineração de dados combina técnicas de descoberta de conhecimento criadas pelos
pesquisadores de inteligência artificial e análise estatística, com técnicas para
implementação eficiente, permitindo o uso em banco de dados com grande volume
de informações.
Pesquisas estudaram a aplicação de técnicas de mineração de dados em
informações da construção civil. Parte delas desenvolveu sistemas e processos para
a aplicação das técnicas (SOIBELMAN; KIM, 2002; SOILBELMAN et al., 2008; KIM;
STUMPF; KIM, 2011; CHENG; YU; LI, 2015), outras aplicaram as técnicas para a
descoberta de padrões em bases de dados com informações da construção civil
(ZHOU et al., 2010; CHENG; LEU, 2011; CHI et al., 2012).
Há uma variedade de fontes de dados de construção que necessitam de estruturas
de armazenamento e análise de dados mais estruturadas que as para dados
simples, tais como: especificações, ordens de alteração, desenhos 2D e 3D,
imagens, arquivos de áudio e vídeo, entre outros. Pelo número de características e
dimensionalidades dos dados, é ineficiente o armazenamento e gerenciamento dos
dados em bases de dados transacionais. Além disso, a transferência dos dados para
tabelas de dados simples ou planilhas pode gerar a perda de informações
importantes contidas nos formatos de dados originais, como por exemplo, a
informação de textura presente em imagens ou características gráficas de uma
determinada planilha (SOIBELMAN et al., 2008).
Segundo Liu (2015), técnicas de mineração de dados não são frequentemente
utilizadas em conjunto com modelagem da informação da construção (BIM) apesar
de esta aplicação poder fornecer informações importantes nos padrões implícitos
nos modelos BIM.
18
Uma característica interessante, implícita dos modelos BIM, é a geometria
relacionada aos elementos construtivos. De acordo com Gu e London (2010), BIM
envolve a aplicação e manutenção de um modelo digital integrado de todas as
informações da construção em diferentes fases do ciclo de vida do empreendimento
na forma de um repositório de dados, incluindo informações geométricas e não
geométricas.
Outra característica importante está relacionada à possibilidade de acesso para
inserção e exportação de informações dos atributos do modelo BIM. Segundo
Eastman et al. (2011), o conceito BIM trabalha com objetos paramétricos nos quais a
geometria é integrada de forma não redundante e que não permita inconsistências.
Por utilizar regras paramétricas, há um entendimento das relações entre elementos
como, por exemplo, os objetos modificam automaticamente suas geometrias
associadas quando são inseridos em um modelo de construção ou quando
modificações são realizadas em objetos associados a eles. Além disso, os objetos
BIM têm a capacidade de vincular, receber, divulgar ou exportar conjuntos de
atributos, tais como materiais, dados acústicos, dados de energia, entre outros, para
outras aplicações e ou modelos.
Para Wülfing; Windisch e Scherer (2014) é possível armazenar informações de
construção geradas ao longo de todo o ciclo de vida do edifício nos modelos BIM,
evitando o uso de diferentes formatos de registros, tais como documentos em papel,
tabelas, textos, relatórios, entre outros e proporcionando um recurso de informações
unificadas abrangente.
O armazenamento e uso destas informações em modelos BIM, entretanto, não é
considerado ainda uma tarefa trivial. Para Wülfing; Windisch e Scherer (2014), a
consulta ou recuperação das informações necessárias em modelos BIM é complexa,
uma vez que não necessariamente todas as informações estarão integradas em um
modelo único devido a diferenças de interesses dos envolvidos e podem estar
vinculadas a outros recursos de informação relacionados ao BIM, como por
exemplo, modelos de custo e tempo. Mazairac e Beetz (2013), acreditam que a
grande quantidade de informações geradas pela integração de modelos de
diferentes disciplinas em um modelo virtual comum também aumenta o tamanho e
complexidade dos repositórios de dados.
19
Sendo assim, segundo Nepal et al. (2012), embora o rápido desenvolvimento do BIM
tenha aberto inúmeras oportunidades para o projeto e construção e haja um
crescente número de construtoras utilizando BIM como suporte ao gerenciamento da
construção, ainda há inúmeros desafios relacionados à extração de informações do
modelo BIM, o que limita a usabilidade dos modelos para construção e outros
processos subsequentes.
Para Mazairac e Beetz (2013) a capacidade de se obter as informações necessárias
em tempo é um fator chave de sucesso na indústria da construção. Cresce, com
isso, conforme Nepal et al. (2012), a necessidade de viabilizar a extração de
informações a partir do modelo BIM de forma a atender as diferentes expectativas
dos diversos profissionais envolvidos na construção.
A complexidade e a falta de estruturação no registro das informações geradas
durante a execução e pós-execução do empreendimento são algumas das
dificuldades para a análise e obtenção das informações no tempo necessário.
Lee et al. (2016) analisaram o caso dos registros de defeitos. Citam, por exemplo,
que a utilização de dados de defeitos, na prática, é muito baixa devido a: falta de
estrutura formal na representação de dados, entrada de dados insuficientes,
pesquisa só baseada em texto disponível e compartilhamento insuficiente de dados
de defeitos. Estes dados não estruturados não seguem um formato legível por
máquina, o que dificulta o acesso, a análise e a busca pela informação desejada.
Cheng e Leu (2011) destacam a importância de se organizar e classificar defeitos
comuns de forma a transformar em informação útil para que participantes do projeto
possam entender defeitos críticos e evitar sua recorrência.
O atendimento às necessidades específicas e ao ambiente de trabalho de cada tipo
de usuário requer a criação de filtros de consulta, métodos e ferramentas adequados
para acesso as informações BIM (WÜLFING; WINDISCH; SCHERER, 2014).
Com base nas questões apresentadas, destaca-se a relevância de se desenvolver
mecanismos para análise dos dados de defeitos em modelos BIM.
1.1 Justificativa
20
Podendo o modelo BIM ser considerado uma fonte de dados de construção não-
tradicional que, dentre outras características contém informações sobre a geometria
dos elementos, e por permitir a inserção de informações em seus atributos,
pretende-se investigar a viabilidade de se aplicar técnicas de KDD e mineração de
dados em modelos BIM, como forma de lidar com o grande volume de informações
armazenados e de possibilitar o atendimento aos diferentes interesses dos
profissionais envolvidos.
Esta pesquisa parte da hipótese de que é possível agregar dados capturados
durante a execução e pós-execução do empreendimento, de forma estruturada, nos
próprios elementos do modelo BIM. Estas informações, originadas em processos de
controle de qualidade, produtividade, assistência técnica, entre outros, normalmente
são registradas de forma desestruturada e em diferentes formatos nas empresas. A
consolidação em modelos BIM teria o potencial de manter a relação de tais
informações com a geometria dos elementos construtivos.
Acredita-se que a aplicação de técnicas de KDD e mineração de dados em modelos
BIM pode identificar padrões que são influenciados de alguma forma pela geometria
dos elementos construtivos, padrões estes que podem ser uteis para a análise da
origem de problemas de qualidade de execução, razões para baixa produtividade de
determinados serviços, problemas de manutenção, pós-ocupação, entre outros.
1.2 Objetivo do estudo
Este trabalho analisou os principais aspectos relacionados à técnica de mineração
de dados, à estrutura de modelos BIM e à caracterização de patologias construtivas,
de forma a identificar o que é necessário para minerar dados de modelos de
informação da construção que representem defeitos construtivos de forma a
subsidiar pesquisas futuras que visem o desenvolvimento de aplicações e
plataformas específicas sobre esse conceito.
1.2.1 Objetivo geral
A presente dissertação teve como objetivo o desenvolvimento de um arcabouço
teórico que identifica os pontos relevantes para a utilização de técnicas de
21
mineração de dados em modelos BIM que visem à análise de defeitos construtivos,
fornecendo uma base conceitual para a sua aplicação prática.
1.2.2 Objetivos específicos
Para atingir o objetivo geral desta dissertação, esta pesquisa teve os seguintes
objetivos específicos:
Identificação de mecanismos para que a geometria dos elementos e suas
relações topológicas possam ser consideradas na mineração de dados;
Identificação de mecanismos para representação dos problemas construtivos no
modelo;
Demonstração de conexões teóricas e a contribuição da solução.
1.3 Estrutura da dissertação
A presente dissertação de mestrado segue a seguinte estrutura: o primeiro capítulo
apresenta a introdução ao tema como forma de embasar o contexto no qual a
pesquisa é inserida, justificar os pontos motivadores do estudo e apresentar os
objetivos a serem atingidos. O segundo capítulo é dividido em cinco seções: a
primeira contém a revisão dos avanços do BIM na construção civil, incluindo as
principais particularidades do modelo BIM como fonte de dados de informação; a
segunda, apresenta os principais conceitos relacionados ao processo de descoberta
de conhecimento em base de dados - KDD, mineração de dados e particularidades
dos dados espaciais; a terceira aborda conceitos relevantes para a mineração de
dados em modelos BIM, incluindo a apresentação de relações topológicas e
linguagens de consulta específicas para dados espaciais ou modelos BIM; a quarta,
apresenta informações geradas em processos de gerenciamento e execução do
empreendimento, e como estas informações são gerenciadas; a quinta, contém os
principais aspectos de problemas construtivos da construção. O terceiro capítulo
apresenta a metodologia que foi utilizada para a realização da pesquisa. O quarto
capítulo apresenta os resultados. O quinto capítulo demonstra o arcabouço teórico
para mineração de dados de defeito em modelos BIM desenvolvido. O sexto capítulo
apresenta as conclusões, limitações do estudo e campos para pesquisas futuras.
22
2 REVISÃO DA LITERATURA
Como forma de embasar os principais conceitos relacionados ao tema da pesquisa,
neste capítulo são apresentados conceitos relacionados à metodologia BIM, ao
processo de KDD e mineração de dados, e às principais relações existentes e
linguagens de consulta pesquisadas para BIM.
2.1 Modelagem da Informação da Construção (BIM)
2.1.1 A definição de Modelagem da Informação da Construção (BIM)
O processo de projeto tradicional normalmente era baseado no uso de ferramentas
CAD-Computer-Aided Design, porém com os avanços da tecnologia e demanda
cada vez maior por parte dos contratantes, nota-se uma migração do uso do CAD
em direção a aplicação do BIM em diversos países. Para AIA CC (2008), a mudança
do uso do CAD para o BIM abre novas oportunidades para o projeto e construção e
torna possível que a construção seja mais eficiente, pois cria uma interface que
permite a produção e gerenciamento de toda a informação de projeto através de um
modelo 3D do edifício incluindo todas as disciplinas de projeto, tais como
projeto de arquitetura, estrutura, sistemas prediais, entre outros de maneira
simples e fácil de compartilhar.
Há diversas definições para o termo BIM. Eastman et al. (2011) definem BIM como
uma maneira diferente de criação, utilização e compartilhamento da informação
do ciclo de vida do edifício v v “ tecnologia de modelagem e um
grupo associado de processos para produção, comunicação e análise de modelos
”
No processo BIM, todos os interessados podem acessar o modelo para identificação
de possíveis problemas de construção, suprimentos ou segurança (AIA
CALIFORNIA COUNCIL, 2008). A habilidade de compartilhar informação e
experiência, obter estimativas de custo reais desde o início, identificar problemas e
implantar soluções baseadas em informação confiável antes da construção traz
como benefício economia de tempo, dinheiro e a obtenção de um resultado de
qualidade superior.
23
De acordo com Wilson e Heng (2011), BIM está mudando em um sentido mais
amplo as práticas tradicionais de construção, em termos de pessoas,
processos, trabalho, cultura, comunicação e modelos de negócio.
Para Eastman et al. (2011), os modelos BIM suportam melhores análises e controles
ao longo de suas fases do que processos manuais. As principais características do
BIM são:
Componentes de construção: são representados digitalmente (objetos) e carregam atributos gráficos e de dados que os identificam para aplicações de softwares, assim como regras paramétricas que permitem a sua manipulação de modo inteligente. Componentes que incluem dados que descrevem como eles se comportam, conforme são necessários para análises e processos de trabalho como, por exemplo, quantificação, especificação e análise energética. Dados consistentes e não redundantes de forma que as modificações nos dados dos componentes sejam representadas em todas as visualizações dos componentes. Dados coordenados de forma que todas as visualizações de um modelo sejam representadas de maneira coordenada (EASTMAN et al., 2011, pag. 16).
Para efeito desta pesquisa, portanto, BIM é um processo que envolve o uso de
modelos digitais da construção, incluindo informações geométricas em 3D e outras
não geométricas. Tais modelos atuam como repositório de dados, permitindo o
compartilhamento das informações entre todos os agentes envolvidos no
empreendimento, ao longo de todo o ciclo de vida do edifício. Seu uso requer a
integração de informações de diferentes fontes e, para tal, envolve mudanças e
adequações nos processos de projeto, construção, gestão e operação tradicionais.
A atuação do modelo como repositório de dados é também, para efeito desta
pesquisa, uma base de informações de projeto, construção e operação que pode ser
utilizada como fonte de informações para a aplicação de técnicas de mineração de
dados de forma a identificar padrões uteis nos dados que poderiam guiar ações de
empresas, tais como: a identificação de padrões em falhas de projeto e/ou
execução, razões para variações de produtividade em serviços de construção, entre
outras.
2.1.2 Os usos do BIM
24
O BIM pode ser aplicado para vários usos em qualquer etapa do ciclo de vida do
edifício. Kreider e Messner (2013) definem os usos BIM como métodos de aplicação
da Modelagem da Informação da Construção durante o ciclo de vida da edificação
como forma de atingir um ou mais objetivos específicos. A partir de entrevistas com
profissionais da indústria de construção, identificaram primeiramente dentre 24 a 26
usos BIM, que foram classificados por etapa: planejamento, projeto, construção e
operação, conforme Figura 1.
Figura 1 - Usos BIM categorizados por etapa da construção
Fonte: adaptado de Kreider e Messner (2013)
Com base nos diversos usos possíveis do BIM ao longo do processo de construção,
é possível concluir que as informações geradas e armazenadas nos modelos BIM
podem estar relacionadas a qualquer fase da construção, incluindo: projeto,
planejamento, construção e operação.
2.1.3 A característica dos objetos em modelos BIM
As ferramentas BIM para a concepção ou autoria dos projetos permitem aos
usuários a produção de modelos de construção a partir de objetos paramétricos
(EASTMAN et al., 2011).
25
Os objetos paramétricos possuem comportamentos específicos que garantem a sua
confiabilidade. De acordo com Eastman et al. (2011), dentre as características que
definem os objetos paramétricos estão:
serem constituídos de definições geométricas, com dados e regras
associados;
possuírem geometria não redundante e que não permite inconsistências,
como por exemplo dimensões falsas;
possuírem regras paramétricas, com as quais, em qualquer alteração, os
objetos modificam-se e adaptam-se automaticamente;
poderem vincular-se a, receber, divulgar ou exportar conjuntos de atributos
para outras aplicações ou modelos, como por exemplo, materiais, dados
acústicos ou de energia, entre outros.
Além disso, outra característica importante dos objetos BIM é a geometria que pode
ser computada. Segundo Eastman et al. (2011) os objetos BIM paramétricos
possuem geometria, relações topológicas e carregam uma variedade de
propriedades que podem ser interpretadas, analisadas e adquiridas por outras
aplicações.
Embora as ferramentas BIM atuais possuam como padrão um conjunto mínimo de
propriedades, é possível ao usuário o acréscimo de outras nos objetos (EASTMAN
et al., 2011).
2.1.4 Avanços do BIM na indústria de construção civil
Tecnologias têm sido utilizadas visando à redução do esforço do trabalho, aumento
da produtividade e melhoria na qualidade do produto (GONÇALVES; GOMES,
1993).
S â “ õ ó
um determinado problema a ser resolvido e/ou uma determinada necessidade a ser
superada, envolv v vê ”
É possível constatar o avanço do uso do BIM em empresas em diversas regiões do
mundo e no Brasil. Para Eastman et al. (2011) há um crescimento do uso do BIM no
26
mercado de construção civil nos últimos anos, sendo adotado por grande parte das
empresas líderes mundiais de arquitetura, engenharia e construção.
Reconhecendo a importância estratégica do uso de BIM e seguindo a tendência
internacional, grandes contratantes brasileiros começam a exigir BIM em seus
editais de concorrência. Pode-se citar, entre outras: Petrobras - Petróleo Brasileiro
S/A; CDURP - Companhia de Desenvolvimento Urbano da Região do Porto do Rio
de Janeiro; INPI - Instituto Nacional de Propriedade Industrial (CONSTRUÇÃO
MERCADO, 2013); DNIT - Departamento Nacional de Infraestrutura de Transportes
(DINIZ, 2012), Metrô – Companhia do Metropolitano de São Paulo e CPTM –
Companhia Paulista de Trens Metropolitanos.
O uso do BIM tem crescido em diversos países. De acordo McGraw-Hill Construction
(2014) embora a implementação do BIM tenha iniciado há mais tempo em países
como Canadá, França, Alemanha, Reino Unido e os EUA, alguns mercados que
iniciaram a implantação mais recentemente como Austrália, Brasil, Japão, Coréia e
Nova Zelândia, estão mostrando dinamismo e superando algumas regiões mais
estabelecidas em relação ao compromisso com o investimento, oferta de novos
serviços inovadores e expansão do uso de BIM para projetos de mineração e
fabricação.
Grandes construtoras e incorporadoras brasileiras iniciaram uma série de projetos-
piloto para avaliar a aplicabilidade do BIM, visando o aumento de produtividade,
redução de perdas, diminuição de prazos, melhoria nos orçamentos e melhoria na
qualidade do produto imobiliário. Tais empresas começam a identificar os primeiros
desafios e avanços (NAKAMURA, 2013).
Neste contexto é possível considerar o BIM como uma metodologia que estará cada
vez mais presente nos processos de projetos e gestão dos empreendimentos, sendo
importante considerar sua influência em pesquisas que abordem o tratamento de
informações relacionadas a estes processos.
2.1.5 Considerações finais
27
Sendo o uso da metodologia BIM algo crescente no mercado de construção civil é
relevante o desenvolvimento de mecanismos que possam fazer uso de suas
informações.
Com base na revisão bibliográfica, pode-se identificar algumas particularidades dos
modelos BIM importantes para que sejam utilizados como fontes de dados, dentre
elas é possível citar: geometria não redundante, ausência de inconsistências,
relações topológicas e capacidade de vincular-se a, receber, divulgar ou exportar
propriedades.
Por poder receber informações e propriedades, os modelos BIM podem tornar-se
repositórios de dados com informações de qualquer etapa do ciclo de vida do
edifício, incluindo dados de pós-projeto e execução, que são focos da presente
pesquisa.
2.2 Aplicação de descoberta de conhecimento em base de dados (KDD) na
construção civil
Os avanços da tecnologia têm permitido às empresas a geração e armazenamento
de um grande volume de dados. Segundo Silberschatz; Korth e Sudarshan (2006),
os dados utilizados pelas organizações para tomada de decisão podem ser
originados de diferentes fontes e podem estar armazenados sob diferentes
esquemas. Muitas vezes, por motivos de desempenho e controle da organização, as
origens dos dados não são acessíveis a qualquer parte da empresa por simples
demanda.
Para análise e processamento deste grande volume de dados, existem técnicas
como a de descoberta de conhecimento em base de dados (KDD), incluindo a
aplicação de mineração de dados (ou data mining).
Dado que o objetivo principal desta pesquisa é a identificação dos pontos relevantes
para a utilização de técnicas de mineração de dados em modelos BIM que visem à
análise de defeitos construtivos, foram levantadas as principais pesquisas que
abordaram aplicações desta técnica voltada a informações de construção civil e
foram levantados os principais conceitos do KDD de forma a embasar a análise de
sua aplicação voltada aos dados do BIM.
28
2.2.1 Uso de mineração de dados na construção civil
Recentes pesquisas estudaram a aplicação de técnicas de mineração de dados
(data mining) na construção civil.
Soibelman e Kim (2002) desenvolveram e testaram um sistema para aplicação de
descoberta de conhecimento em banco de dados (KDD), incluindo as etapas de
identificação de problemas, preparação de dados, mineração de dados, análise de
dados e processos de refinamento em uma base de dados de gerenciamento da
construção. O processo foi desenvolvido visando a identificação de causas para os
atrasos de construção, porém com sugestão de aplicação em outros problemas tais
como a identificação de sobrecustos de construção e controle e garantia de
qualidade.
Soibelman et al. (2008) estudaram o crescente volume de dados de construção
disponíveis, desenvolvendo métodos, processos e ferramentas de mineração de
dados e KDD para descobrir novos conhecimentos em grandes bases de dados, e
organizando o montante disponível de dados de construção com o desenvolvimento
de métodos de recuperação de informação.
Zhou et al. (2010) exploraram a aplicabilidade de mineração de dados e KDD em
conjunto com sistemas de informação geográfica (SIG) para tomada de decisão no
gerenciamento de pavimentações, tais como: prioridades de reabilitação, estratégias
de manutenção e decisões de investimento.
Cheng e Leu (2011) integraram o uso de mineração de dados com o método de
diagrama de afinidade (KJ) para classificar defeitos de construção de pontes de
forma a prevenir sua ocorrência, melhorando a qualidade de construções de pontes.
Kim; Stumpf e Kim (2011) desenvolveram um processo utilizando mineração de
dados para auxiliar os projetistas a descobrirem padrões uteis para melhorar
projetos de eficiência energética.
Chi et al. (2012) investigaram estratégias de mineração de dados, aplicando
“ranking” para identificação de funções chave de projeto que são
altamente correlacionadas ao desempenho de custo do projeto e implementaram
algoritmos de classificação para suportar prognósticos de desempenho de projeto.
29
Jiang; Zhang e Zhang (2013) propuseram uma metodologia para a integração de
informações de texto e modelos BIM. O uso de mineração de textos (text mining) foi
aplicado para transformar informações de texto desestruturadas em informações
estruturadas de forma a permitir o uso de técnicas de mineração de dados (data
mining). Após a identificação e recuperação dos documentos relevantes, uma
referência a estes documentos foi associada aos componentes do modelo pelo uso
de relações de associação de documentos.
Em Hu; Lu e Abourizk (2014) desenvolveram uma abordagem baseada em
mineração de dados a partir de dados históricos de desempenho armazenados e
extraídos de modelos BIM, e da utilização de regressão linear para estimar os
requisitos de mão de obra para a fabricação de estruturas metálicas para uso nas
etapas preliminares de planejamento dos serviços.
Cheng; Yu e Li (2015) propuseram um algoritmo Apriori multinível baseado em
algoritmos genéticos (AG) para extração de padrões escondidos em bases de dados
de defeitos de construção.
Hiyama (2015) sugere o uso de técnicas de mineração de dados em base de dados
de modelos BIM como forma de viabilizar ao arquiteto o uso de informações de
projetos de edifícios existentes como valores padrão de entrada em software para
simulação do desempenho do edifício em etapas iniciais de desenvolvimento de
projeto. O autor propõe para isso um método para minimizar a magnitude da
variação destes valores padrão nas etapas de projeto subsequentes.
Embora algumas das pesquisas identificadas abordem o modelo BIM como fonte de
dados de entrada para uso em processos de KDD, nenhuma delas, entretanto, faz
uso das particularidades das informações BIM, dentre elas, a relação entre a
geometria dos elementos.
2.2.2 O processo KDD e a mineração de dados
O processo KDD é “ v õ
em dados que sejam: válidos, novos, potencialmente uteis, e em última análise,
v ” YY D; T TSKY-SHAPIRO; SMYTH, 1996, pag. 30,
tradução nossa)
30
Tan; Steinbach e Kumar (2009, pag. 4) “
integral da descoberta de conhecimento em banco de dados (KDD – Knowledge
Discovery in Data bases), que é o processo geral de conversão de dados brutos em
õ ” Segundo Silberschatz; Korth e Sudarshan (2006), a mineração
combina técnicas de descoberta de conhecimento em inteligência artificial (ou
aprendizado de máquina) e de análise estatística com técnicas de implementação
eficientes que possibilitem o uso em grandes bancos de dados.
Estas técnicas são organizadas para atuar em grandes bancos de dados, visando o
descobrimento de padrões uteis e recentes que de alguma forma poderiam
permanecer ignorados. Muitas vezes, ou as ferramentas e técnicas tradicionais de
análise de dados não podem ser aplicadas ou há questões que não são respondidas
pelas técnicas tradicionais, demandando novos métodos (TAN; STEINBACH ;
KUMAR, 2009).
O problema da extração de conhecimento a partir de grandes bases de dados está
relacionado a vários aspectos que vão desde a manipulação e recuperação de
dados até matemática fundamental, inferência estatística, pesquisa e raciocínio
(FAYYAD; PIATETSKY-SHAPIRO; SMYTH, 1996).
A extração de conhecimento em grandes bases de dados, de acordo com Fayyad;
Piatetsky-Shapiro e Smyth (1996), envolve diversas etapas. O KDD inclui todo o
processo de descoberta de conhecimento a partir de dados, incluindo a maneira
como os dados são armazenados e acessados, o modo como os algoritmos podem
ser aplicados em conjuntos grandes de dados e continuar funcionando
adequadamente, a forma como os resultados podem ser interpretados e
visualizados e como a interação do usuário com a máquina pode ser desenhada e
suportada.
As principais etapas do KDD envolvem: pré-processamento dos dados, mineração
dos dados e pós-processamento dos resultados, conforme Figura 2 (TAN;
STEINBACH; KUMAR, 2009).
31
Figura 2 - Processo de descoberta de conhecimento em banco de dados (KDD).
Fonte: adaptado de Tan; Steinbach e Kumar (2009).
Dentro das etapas citadas, Fayyad; Piatetsky-Shapiro e Smyth (1996) detalham os
principais passos do processo:
1. Aprendizagem do domínio da aplicação: incluindo o conhecimento prévio relevante e os objetivos da aplicação.
2. Criação de um conjunto de dados alvos: a partir da seleção de um conjunto de variáveis e amostras de dados nos quais o processo será executado.
3. Pré-processamento e limpeza dos dados: remoção de ruídos ou de outliers, coleta da informação necessária para modelar ou levar em conta o ruído, decisão sobre estratégias para tratar campos de dados vazios, levar em conta informações sobre sequencias de tempo e mudanças conhecidas, assim como decisões sobre questões de Sistemas de Gerenciamento de Banco de Dados, tais como tipos de dados, esquemas, mapeamento de valores faltantes e desconhecidos.
4. Redução de dados e projeção: encontrar características úteis para representação dos dados, dependendo do objetivo da tarefa, e utilização de métodos de redução de dimensionalidade ou transformação para reduzir o número efetivo de variáveis que serão levadas em consideração ou para encontrar representações invariáveis para os dados.
5. Escolha da função de mineração de dados: inclui a decisão sobre o propósito do modelo derivado pelo algoritmo de mineração de dados, como por exemplo: sumarização, classificação, regressão e clustering.
6. Escolha do algoritmo de mineração de dados: inclui selecionar método (s) a ser(em) utilizado(s) na pesquisa por padrões nos dados, tais como decidir que modelos e parâmetros devem ser apropriados [...] e combinar um método de mineração de dados específico com os critérios gerais do processo de KDD.
7. Mineração de dados: busca de padrões de interesse em uma forma de representação particular ou em um conjunto de tais representações, incluindo regras ou árvores de classificação,
32
agrupamento, regressão, modelagem de sequências, dependências e análises de linha.
8. Interpretação: interpretação dos padrões descobertos e a possibilidade de retornar a qualquer uma das etapas anteriores, bem como a possibilidade de visualização dos padrões extraídos, removendo padrões redundantes ou irrelevantes, e tradução dos padrões uteis em termos compreensíveis para os usuários.
9. Utilização do conhecimento descoberto: incorporação deste conhecimento no sistema, tomando de ações com base no conhecimento, ou simplesmente documentá-lo e reportá-lo às partes interessadas, bem como a verificação e resolução de potenciais conflitos com o conhecimento antes aceito ou (extraído) (FAYYAD; PIATETSKY-SHAPIRO; SMYTH, 1996)
2.2.3 Metodologia para preparação de dados espaciais para mineração de
dados clássica
Para uma melhor eficiência na análise do grande volume de dados gerados pelas
empresas, é importante organizar a informação. Segundo Silberschatz; Korth e
S “ ganizações possuem uma estrutura organizacional
interna bastante complexa e, por isso, diferentes dados podem estar presentes em
diferentes locais, ou em diferentes sistemas operacionais, ou sob diferentes
”
As consultas às fontes de dados individuais normalmente são complexas e
ineficazes. É importante resumir os dados armazenados nos bancos de dados em
algum padrão se for necessário derivar informações que os humanos possam usar
(SILBERSCHATZ; KORTH; SUDARSHAN, 2006).
Os depósitos de dados (ou data warehouse) podem ser uma solução para estas
questões. Segundo Silberschatz; Korth e Sudarshan (2006), empresas têm montado
depósitos de dados para realizar consultas de forma mais eficiente em dados tão
diversificados.
De acordo com Silberschatz; Kort S “U ó
um repositório (ou arquivamento) de informações colhidas de várias origens,
ú ”
de consultas de apoio à decisão, pois fornecem ao usuário o acesso a dados
históricos em uma interface única e consolidada de dados.
33
2.2.4 Padrões encontrados em mineração de dados
De acordo com Kim et al. (2008) dois diferentes tipos de padrões podem ser
encontrados em processos de mineração de dados: preditivo (predictive) que
incluem previsão (prediction) e classificação (classification), e informativo, que
incluem agrupamento (clustering) e associação (association). Estes últimos
demandam maior poder computacional e até o início dos anos 2000 eram pouco
utilizados. De um lado, padrões preditivos são construídos para resolver um
problema específico de prever um ou mais atributos de um banco de dados,
enquanto padrões informativos são utilizados para apresentar padrões importantes
que um especialista no campo em questão ainda não conhece, ao invés de ser
utilizado para resolver um problema específico.
A previsão refere-se a descobrir padrões preditivos onde o atributo a ser previsto é de valor real. Padrões preditivos são importantes não só na forma como eles prever a quantidade desconhecida desejada, mas também, em sua capacidade de transmitir os padrões interessantes para o especialista de domínio.
A classificação é semelhante a um padrão de previsão, exceto por predizer o valor de um atributo nominal ou categórico em vez do atributo de valor real. O atributo previsto define uma classe de classificação.
O agrupamento é também chamado de modelo de segmentação. O objetivo do agrupamento é pegar um conjunto de entidades representadas como registros em um banco de dados e particioná-lo em um número de grupos ou clusters garantindo que as entidades dentro de um cluster sejam semelhantes.
A associação v X → Y X Y são declarações sobre os valores de atributos de um registro. Os algoritmos de regras de associação pesquisam o espaço de todas as v X → Y X Y (KIM et al., 2008, pag. 550-560).
2.2.5 Particularidades da mineração de dados espacial
Fayyad; Piatetsky-Shapiro e Smyth (1996) já apresentavam como um dos desafios
do processo KDD, o tratamento de dados fora de padrão, multimídia e orientado a
objetos. Segundo os autores, os bancos de dados tipicamente não contêm apenas
dados numéricos, mas podem conter também dados não textuais, geométricos,
gráficos, não estáticos, temporais, espaciais, relacionais, textos multilíngues, bem
como imagens digitalizadas, dados de áudio e vídeo.
34
De acordo com Clementini e Di Felice (1996), na maioria das consultas a dados
espaciais, a relação espacial entre eles é importante. Isto impõe uma série de novas
exigências aos sistemas de banco de dados, se comparados aos tradicionais, pois
exigem a formalização das relações espaciais entre os objetos físicos que podem
estar relacionadas a uma dentre três categorias básicas:
I. Relações topológicas: descrevem se dois objetos se intersectam ou
não e como. Por exemplo: relações de adjacência, sobreposição, entre
outras.
II. Relações de orientação: descrevem localização do objeto em relação a
uma referência. Por exemplo: ao norte de, ao sul de, etc.
III. Relações de direção: descrevem a distância entre um objeto e sua
respectiva referência. Por exemplo: muito perto, perto, etc.
2.2.6 Metodologia para preparação de dados espaciais para mineração de
dados clássica
As ferramentas tradicionais de mineração de dados utilizadas com algoritmos
clássicos geralmente não possuem funções para a preparação de dados espaciais,
sendo necessário muitas vezes o tratamento manual dos dados. Para os autores,
embora seja possível que os algoritmos de mineração de dados sejam desenhados
para acessar os bancos de dados diretamente, é necessário um esforço em
transformar a base de dados em um formato compatível com os algoritmos. Por
conta disso, desenvolveram uma metodologia para a preparação de dados espaciais
para a aplicação tanto de algoritmos espaciais quanto clássicos na mineração de
dados, demonstrada na Figura 3 (BOGORNY; ENGEL; ALVARES, 2005).
35
Figura 3 - Metodologia para preparação de dados espaciais para mineração de dados clássica.
Fonte: adaptado de Bogorny; Engel e Alvares (2005)
A metodologia proposta por Bogorny; Engel e Alvares (2005) é composta de três
etapas principais:
A etapa de seleção é composta pela seleção dos dados e filtro de dados não
espaciais que definem e retornam para a base de dados espacial todas as
informações que satisfaçam as condições especificadas para o processo de KDD,
eliminando ruídos e dados irrelevantes.
Na etapa de materialização todas as relações espaciais relevantes, definidas na
etapa de seleção, são computadas e convertidas em predicados espaciais. São
definidos alguns índices e funções de otimização com o objetivo de acelerar a
análise da vizinhança espacial. A sub-etapa de otimização pode ser utilizada em
bancos de dados espaciais reais para reduzir o tempo para computar estas relações
espaciais, mas não é parte obrigatória do processo.
A transformação é a etapa na qual todas as relações espaciais são transpostas em
um formato de tabela único de acordo com os requisitos das ferramentas de
mineração de dados. Como resultado, a tabela final possuirá os atributos não
espaciais e todas as relações espaciais relevantes materializadas.
Sobre estes dados, poderão ser aplicados algoritmos específicos para mineração de
dados espacial, tais como os definidos por Ester; Kriegel e Sander (1999): Spatial
Clustering, Spatial Characterization, Spatial Trend Detection.
2.2.7 Considerações finais
36
A literatura preconiza que para a aplicação de técnicas de mineração em dados
espaciais é necessária a preparação destes dados para a aplicação tanto de
algoritmos espaciais quanto clássicos na mineração de dados. Esta preparação,
entretanto, pode esconder características importantes sobre a geometria e as
relações entre os elementos do modelo, sendo importante desenvolver maneiras de
representá-las.
2.3 Conceitos relevantes para a mineração de dados BIM
A principal dificuldade no uso de modelos BIM como entrada para técnicas de
mineração é a riqueza de dados dessa representação. Esses algoritmos geralmente
esperam os dados na forma de tabelas em um banco de dados, onde cada linha é
caracterizada por um número fixo de colunas, com um tipo definido em cada coluna.
Se fosse esse o caso, o uso de modelos BIM para mineração de dados seria trivial.
No entanto, os modelos BIM, como muitos outros tipos de dados reais, têm um
padrão complexo de relações entre os seus componentes e, em geral, devem ser
planificados de modo que os algoritmos tradicionais possam ser utilizados.
A preparação dos dados espaciais contidos nos modelos BIM requer a análise das
entidades espaciais e seus relacionamentos.
Desta forma, para criar uma base conceitual sobre o tema e subsidiar a identificação
de requisitos e processos para a mineração de dados BIM, foram levantados alguns
conceitos relacionados a objetos espaciais, a estrutura do modelo BIM e linguagens
de consultas pré-desenvolvidas que se adequam ao uso em informações do modelo
BIM.
2.3.1 Operadores espaciais
Consultas a banco de dados espaciais exigem a formalização das relações
espaciais entre os objetos físicos (CLEMENTINI; DI FELICE, 1996).
Borrmann; Treeck e Rank (2006) apresentaram uma definição formal para dados
espaciais 3D e os operadores que interagem com eles, provendo uma visão sobre a
implementação da funcionalidade de consulta espacial 3D no topo de um sistema de
gerenciamento de banco de dados relacionado ao objeto. Os operadores espaciais
37
podem operar em tipos de dados espaciais e possuem semântica espacial, podendo
ser classificados em uma das quatro categorias a seguir:
Operadores direcionais: utilizados para consultar as relações direcionais
entre dois objetos espaciais como sua posição relativa, tais como: sobre
(above), abaixo (below), ao norte de (northOf), ao sul de (southOf), ao leste
de (eastOf) e ao oeste de (westOf).
Operadores topológicos: utilizados para consultar relações topológicas
entre dois objetos espaciais, tais como toca (touch), contém (contain), igual
(equal), dentro (inside).
Operadores métricos: distância (distance) é o único operador para dados
espaciais e é definida como a menor distância entre qualquer ponto
pertencente ao fechamento dos objetos.
Operadores booleanos: os operadores união (union) ou interseção
(intersection) e diferença (difference) possuem dois operandos do mesmo tipo
espacial.
Por serem apropriados para elementos 3D, pode-se inferir que estes operadores
podem ser utilizados para o desenvolvimento de linguagens de consulta específicas
para dados espaciais contidos nos modelos BIM.
2.3.2 Linguagens de consultas aplicáveis a modelos BIM
Alguns pesquisadores desenvolveram linguagens específicas para consultas em
modelos BIM, o propósito e operadores de cada uma delas foram investigados
visando a análise da aplicabilidade destas linguagens na mineração de dados em
modelos BIM.
2.3.2.1 Partial Model Query Language (PMQL)
De acordo com Adachi (2003) trata-se de uma linguagem baseada em XML que dá
flexibilidade a consulta de informações parciais do modelo, incluindo operações para
seleção (Select), atualização (Update) e exclusão (Delete). Também permite que
“ v ” descreve qual parte dos dados
do modelo é necessária visualizar em uma visão específica.
2.3.2.2 Generalised Model Subset Definition Schema (GMSD)
38
Proposto por Weise; Katranuschkov e Scherer (2003), este esquema foi definido em
EXPRESS para que fosse compatível com o esquema IFC e é composto de duas
partes: constructos que suportam a seleção dinâmica de instâncias de objetos em
consultas em servidores de modelo (model server) e constructos que possibilitam o
desenvolvimento de definições de vista que podem ser usadas como parte
permanente de um ambiente de servidor de modelo, para apoiar a derivação
automática de subconjuntos de modelos de disciplinas específicas de projeto. Com o
esquema é possível a criação de vistas parciais de domínio específico (domain-
specific model views) de maneira declarativa, bem como proporcionar
funcionalidades de seleção no nível da instância como representado na Figura 4.
Operações como união (Union), diferença (Difference) e intersecção (Intersection)
podem ser executadas nos conjuntos sobre os conjuntos de resultados de
subconsultas.
Figura 4 - Estrutura de alto nível do esquema GMSD e as operações em nível de instância
Fonte: adaptado de Weise, Katranuschkov, Scherer (2003)
2.3.2.3 Building Information Model Query Language (BIMQL)
Proposto por Mazairac, Beetz (2013), trata-se de uma linguagem de consulta aberta
para modelos BIM que visa selecionar, atualizar e deletar dados armazenados em
modelos IFC. As consultas BIMQL formuladas espontaneamente ou compostas a
partir de bibliotecas podem ser utilizadas em combinação com definições de vista de
modelo (ou Model View Definition - MVD) para seleção de conteúdo em pedidos de
informação comunicados através de protocolos de rede. A linguagem foi desenhada
39
e implementada na plataforma bimserver.org, porém, por ser genérica, pode ser
adaptada a outras implementações de modelagens baseadas em IFC e no
desenvolvimento de ferramentas. Uma visão geral da arquitetura do sistema do
framework do bimserver.org e o aplicativo BIMQL é apresentada na Figura 5.
Figura 5 - Visão geral do framework do bimserver.org, do aplicativo BIMQL e das camadas
MDA envolvidas
Fonte: adaptado de Mazairca e Beetz (2013)
2.3.2.4 Query Language for Building Information Models (QL4BIM)
Desenvolvida por Daum e Borrmann (2014), a QL4BIM visa cobrir o gargalo de
funcionalidade espacial em linguagens de consultas BIM. De acordo com os autores,
as linguagens propostas anteriormente não dão o devido tratamento a informação de
geometria dos modelos, uma vez que os objetos espaciais são inerentes aos
edifícios e as relações espaciais qualitativas desempenham um papel importante na
análise e verificação de modelos de construção. O QL4BIM proporciona operadores
métricos, direcionais e topológicos definindo expressões de filtro com semântica
espacial qualitativa. Com isso, torna-se possível selecionar elementos de construção
específicos a partir da aplicação de relações espaciais qualitativas nas respectivas
expressões de filtro. Estas relações formam um nível intermediário entre o ponto de
40
vista técnico da geometria do edifício utilizando coordenadas numéricas e a forma
com a qual percebem os edifícios e as relações entre seus componentes.
A linguagem QL4BIM opera em modelos BIM de acordo com o IFC, incluindo
operadores espaciais como:
Operadores métricos: como distância (Distance), mais perto do que
(CloserThan) e mais longe do que (FartherThan),
Operadores direcionais: como acima (Above), abaixo (Below) e ao norte de
(NorthOf),
Operadores topológicos: como toca (Touch), dentro (Within) e contém
(Contains).
Daum e Borrmann (2014) declaram que a QL4BIM foi desenvolvida para lidar com
consultas sobre o modelo BIM com um grande volume de elementos e
representações geométricas detalhadas.
2.3.2.5 A visual BIM query language (VBQL)
Elaborada por Wülfing; Windisch e Scherer (2014), trata-se de uma linguagem visual
para consultas a modelos BIM que foi desenvolvida visando a fácil utilização por
usuários leigos em linguagens de programação baseadas em texto (text based
programming) ou linguagens de consulta (query languages). Os elementos da
linguagem VBQL permitem que as especificações dos filtros de consultas sejam
eficientes, intuitivas, de fácil aprendizagem e uso. A relação entre a estrutura da
linguagem (sintaxe abstrata) e a representação da linguagem (sintaxe concreta) é
demonstrada na Figura 6.
41
Figura 6 - Relação entre a estrutura da linguagem (sintaxe abstrata) e a representação da
linguagem (sintaxe concreta)
Fonte: adaptado de Wülfing, Windisch, Scherer (2014)
2.3.3 Funções para consulta de relações topológicas em modelos BIM
Embora normalmente se dê mais foco ao uso do BIM pelos projetistas, os
construtores também podem fazer uso do BIM como suporte às atividades do
gerenciamento da construção. Há vários desafios, entretanto, para extração de
informações especificas de construção a partir do modelo BIM, o que limita o seu
uso durante a etapa de construção e os processos subsequentes (NEPAL et al.
2012).
De acordo com Borrmann; Schraufstetter e Rank (2009) as ferramentas BIM
disponíveis não dão suporte para análises espaciais em modelos BIM que busquem
encontrar informações implícitas em modelos BIM, mas que são necessárias para os
profissionais envolvidos na construção. É necessário para isso analisar a geometria
e a topologia dos componentes do modelo.
Nepal et al. (2012) desenvolveram um método que combina extração de
características do modelo BIM com o processamento de consultas aos dados para
42
dar suporte a uma variedade de funções de gerenciamento da construção. A
proposta envolve modelagem de características baseada em ontologia, extração
automática de características e consultas espaciais dos dados do modelo BIM
combinando ifcXML1 e dados XML espaciais. Além disso, combinam o uso de
conhecimento específico de domínio (domain-specific knowledge) com Geographic
Markup Language (GML)2 e XQuery3 espacial para suportar consultas espaciais em
modelos BIM.
De acordo com Nepal et al. (2012) as relações espaciais têm um papel fundamental
no projeto e construção de um edifício. Vários pesquisadores reconheceram e
desenvolveram esquemas conceituais (conceptual schemas) para análise das várias
relações espaciais entre elementos construtivos, incluindo relações topológicas, tais
como adjacência, interseção e inclusão, relações de orientação ou direção, e
relações de distância entre componentes.
De acordo com Borrmann; Schraufstetter e Rank (2009), o IFC define múltiplas
relações espaciais, predominantemente topológicas, que podem ocorrer entre
elementos de um modelo BIM, porém o resultado do modelo do edifício em IFC não
possui relações explícitas de distância e de direção entre os objetos.
Nepal et al. (2012) acredita que esquemas padrão, como o IFC, podem ser utilizados
pelas ferramentas BIM e outros aplicativos para a realização de análises tanto sobre
informações espaciais, quanto não espaciais necessárias pelos profissionais de
projeto e construção.
A seguir estão relacionados os predicados de consulta (query predicates)
desenvolvidos por Nepal et al. (2012) para suportar consultas em modelos BIM.
1. Predicado de consulta interseção (intersects) e disjunto (disjoint).
O predicado proposto é baseado no uso do algoritmo padrão Separating Axis
Theorem (SAT) que diz que dois elementos não se intersectam, ou seja, são
1 ifcXML é uma implementação do padrão ISO-10303 Parte 28 Edição 2. Este padrão provê uma
especificação do esquema XML que é automaticamente convertido a partir da representação EXPRESS (ISO 10303 parte 11) do esquema IFC. (BUILDING SMART, 2007). 2 Geographic Markup Language (GML)
2 é uma gramática XML definida pela Open Geospatial
Consortium (OGC) para descrever relações geográficas. (NEPAL et al. 2012). 3 XQuery é uma linguagem de consulta padrão para XML que suporta consultas em atributos não
espaciais. (NEPAL et al. 2012).
43
disjuntos, se existe uma linha que pode ser colocada entre dois objetos. Caso
contrário, eles se intersectam (Figura 7).
Figura 7 - Aplicação do teorema SAT em relação a duas paredes.
Fonte: Adaptado de Nepal et al. (2012)
2. Predicado de consulta para proximidade (proximate).
Os autores assumem para este predicado o uso de colunas quadradas, retangulares
e circulares em um grid. Uma coluna em análise está próxima de outra de referência
se satisfaz dois critérios:
a coluna está alinhada a mesma linha do grid que a coluna de referência;
a coluna em análise é a mais próxima da outra em uma determinada direção.
“ray tracing”
aplicado em computação gráfica para desenhar objetos 3D.
A XQuery proposta pelos autores determina se a linha do eixo na qual a coluna de
referência está alinhada, intersecta a coluna na direção d, onde d é ao norte, sul,
44
leste ou oeste da coluna de referência. A consulta é booleana e reporta valores de
verdadeiro ou falso.
3. Predicado de consulta nos eixos (on-grid).
Segundo os autores, uma coluna está no eixo ou horizontalmente alinhada, se está
alinhada tanto ao eixo x quanto ao eixo y. Figura 8.
Figura 8 - Representação de colunas no eixo e fora do eixo.
Fonte: Adaptado de Nepal et al. (2012)
Os autores levantaram, a partir da opinião de especialistas, relações importantes
entre os elementos construtivos. Em seguida analisaram quais relações eram
suportadas pela abordagem proposta por eles e quais eram suportadas por demais
consultas (query) desenvolvidas para BIM (Quadro 1).
45
Quadro 1 - Suporte das diferentes consultas (query) espaciais para BIM
Ferramentas do "Estado da arte" Abordagem Nepal et al. (2012)
Condições relevantes de projeto total
suporte
suporte
parcial
sem
suporte
total
suporte
suporte
parcial
sem
suporte
Espaçamento máximo e mínimo entre colunas x x
Espaçamento claro vs. centro-a-centro de colunas x x
Espaçamento de colunas de fachada x x
Alinhamento horizontal e vertical das colunas x x
Uniformidade entre tamanho e forma de colunas de
piso a piso
x x
Uniformidade de localização de coluna de piso a
piso
x x
Uniformidade de espaçamento de colunas no piso x x
Uniformidade de espaçamento de colunas de piso
a piso
x x
Colunas no grid e fora do grid x x
Uniformidade de colunas fora do grid de piso a piso x x
Distância entre colunas x x
Localização de colunas exteriores a partir do canto
da laje
x x
Intersecção ou conectividade de componentes do
edifício
x x
T -, L, final ao final, ou sobreposição de
intersecções de paredes
x x
Intersecção de paredes não perpendiculares x x
Localização da intersecção x x
Profundidade da intersecção x x
Tamanho da intersecção x x
Existência de penetrações em paredes/lajes x x
Localização horizontal e vertical de penetrações
em paredes
x x
Localização horizontal de penetrações de lajes x x
Uniformidade no tamanho e localização das
penetrações de parede e laje
x x
Dimensão/tamanho, área, perímetro da penetração
na parede/laje
x x
Espaçamento da penetração x x
Uniformidade no espaçamento das penetrações x x
Fonte: Nepal et al. (2012)
2.3.4 Aplicativo para retornar relações topológicas em modelos BIM
Recentemente Demian et al. (2016) desenvolveram o aplicativo 3DIR para o
software Autodesk Revit capaz de explorar relações topológicas do modelo BIM, a
46
partir do uso de geometria computacional simples, utilizando três relacionamentos
principais:
A relação de hospedeiro (host) que é utilizada no Revit para informar que um
elemento, como por exemplo, uma janela está posicionada em uma
determinada parede.
A relação de intersecção (intersecting), quando dois elementos 3D se
intersectam no modelo.
A relação de tocar (touching), quando dois elementos se tocam, como por
exemplo duas paredes que se encontram.
A partir da seleção de um determinado elemento 3D e da especificação de uma
região esférica de entorno, é possível exportar como uma lista de vizinhos
(neighbors) incluindo informações de hospedeiros, elementos que tocam e
intersectam este elemento.
2.3.5 Considerações finais
As linguagens de consulta desenvolvidas especificamente ou aplicadas em modelos
BIM até o momento visam, em sua maioria, a criação de filtros de vista ou a
identificação de relações entre os elementos que possam ser utilizadas, por
exemplo, em processos de compatibilização de projetos.
A não ser pela QL4BIM, as demais linguagens não dão o devido tratamento à
informação de geometria dos modelos. Porém, verificou-se que a QL4BIM não está
disponível para o uso do público, o que dificulta a sua aplicação nesta pesquisa.
A pesquisa de Nepal et al. (2012) traz parte dos predicados que analisam as
relações entre elementos construtivos e podem ser utilizados na mineração de
dados de defeitos construtivos em modelos BIM, porém faz-se necessário definir
como caracterizar os dados de defeitos para que seja possível essa análise.
Além disso, estes predicados tratam apenas das relações entre elementos
construtivos diferentes, como por exemplo, se um pilar está acima ou abaixo de uma
viga. Faz-se necessário, portanto, identificar uma forma de interpretar as relações
entre o defeito e o elemento construtivo no qual está posicionado, como forma de
subsidiar as consultas.
47
O aplicativo 3DIR desenvolvido por Demian et al. (2016) apresenta potencial para
tornar explícitas a topologia entre os elementos de um modelo BIM, porém ainda é
limitado a relações de hospedeiro, intersecção e tocar.
2.4 A construção civil e o uso da informação
Como forma de compreender potenciais fontes de informação pós projeto para
inserção no modelo BIM e suas limitações, foi feita uma revisão sobre informações
geradas em processos de gerenciamento e execução do empreendimento, e como
estas informações são coletadas, armazenadas e tratadas.
2.4.1 Fontes de informação na construção civil
Ao longo de todo o ciclo de vida do edifício, diversas informações do gerenciamento
e do resultado da construção são geradas e armazenadas, mas, muitas vezes, a
coleta destas informações não é feita de forma estruturada, o que dificulta a análise
e reuso da informação.
Segundo Ma; Lu e Wu (2011) o número de empresas de construção que utilizam
sistemas de informação como ferramentas de gestão tem aumentado e uma grande
quantidade de informação é acumulada nestes sistemas ao longo do tempo, tais
como dados de produtividade de mão de obra, equipamentos, materiais,
cronograma, custo e qualidade, entre outros.
Os mesmos autores analisaram as principais fontes de informação existentes no
processo de gerenciamento de uma construção e as categorizaram conforme o nível
potencial de reuso de cada uma destas fontes, onde o nível A é possui mais
reusabilidade que o nível B. Tabela 2.1.
Dado o grande volume e as diferentes fontes de informações, faz-se necessária a
criação de metodologias para organizar e processar estas informações. Ma; Lu e Wu
(2011) acreditam ser essencial que as informações úteis, dentre a grande
quantidade de informação acumulada nos sistemas de informação de empresas de
construção, sejam corretamente identificadas e representadas, a fim de melhorar a
eficácia e eficiência na aplicação de técnicas de processamento e melhorar o poder
de decisão e a competitividade nas empresas (MA; LU; WU, 2011).
48
Tabela 2.1 – Fontes de informação e nível de reuso (Parcial)
Informação Nível de reusabilidade
Informações de certificação A
Detalhes do cronograma A
Documentos do plano de construção A
Registros de suprimentos de material A
Registros de custo direto A
Registros de custos indiretos A
Registros do contrato A
Registros dos custos do projeto A
Métodos construtivos A
Registros do fluxo de caixa A
Documentos de projeto B
Informações de estimativas de custo B
Informações de contrato B
Informações do planejamento da construção B
Detalhamento da logística de materiais B
Registros de inspeção de qualidade B
Informação sobre desempenho da equipe B
Registros de mão de obra B
Fonte: Adaptado de Ma; Lu e Wu (2011)
Além disso, Park et al. (2013) destacam a importância de se prover o conhecimento
correto para a pessoa certa e no prazo e local necessário. Os autores sugerem para
isso o uso de conceitos avançados, tais como: mapas de rede (network map),
agrupamento (clustering) e ontologia. Estas técnicas podem ser utilizadas para
melhorar a pesquisa do conhecimento e compartilhamento na indústria da
construção.
2.4.2 Organização das informações em base de dados BIM
O potencial do modelo BIM como uma forma de concentrar dados gerados no
processo de gerenciamento da construção em uma base de dados consolidada que
posteriormente poderá ser utilizada como base para o processamento destas
49
informações começa a ser destacado em algumas pesquisas. De acordo com Curry
et al. (2013) a modelagem da informação da construção (BIM) vem a ser um novo
departamento na área de gerenciamento de informações dentro da arquitetura,
engenharia e indústria da construção (AEC), por permitir a captura e manutenção
precisa de informações da construção. BIM permite a definição de objetos com
relações definidas e meta-dados associados e pode ser uma maneira eficaz para a
captura dessas informações em um formato eletrônico utilizável, auxiliando a
interoperabilidade nas fases de concepção, construção e gestão.
Alguns pesquisadores começaram também a analisar formas de inserir e organizar
as informações de gerenciamento da construção em modelos BIM.
Figura 9 - Sistema de inspeção de defeito baseada em realidade aumentada
Fonte: Park et al. (2013)
Park et al. (2013) propuseram um arcabouço conceitual (framework) para o
gerenciamento de problemas de qualidade de construção, integrando ontologia e
realidade aumentada (AR) com modelagem da informação da construção (BIM), em
três etapas: uso de um formulário de coleta de defeitos padrão para garantir a
qualidade e acuracidade dos dados; ontologia para pesquisar e recuperar
informações específicas de defeito no projeto ou na execução; e um sistema de
inspeção de defeito baseada em realidade aumentada para dar suporte ao
gerenciamento de defeito do campo (Figura 9).
50
Chen e Luo (2014) apresentaram um arcabouço para o armazenamento de
informações de qualidade no modelo BIM (Figura 10), pois acreditam que a
implementação do BIM no gerenciamento da qualidade tem o potencial de agregar
dados multidimensionais a análise de qualidade, tais como data do projeto e
sequência executiva.
Figura 10 - Fluxo de trabalho para controle de qualidade baseado no BIM
Fonte: Adaptado de Chen e Luo (2014)
Conforme Figura 10, o processo proposto por Chen e Luo (2014) começa com o
pedido de aceitação do serviço após a conclusão de um lote de controle e antes do
seguinte começar. Na sequência, os dados obtidos na obra são introduzidos em um
template para análise de integridade dos dados, análise de desvio e análise de
conformidade. Se o lote for aceito, passa-se para a próxima tarefa. Se o lote falha,
um relatório de não-conformidade Figura 11 é emitido com as ações corretivas
necessárias. Após as ações corretivas serem tomadas, o processo se inicia
novamente. O resultado é registrado visualmente no modelo BIM para facilitar o uso
dos gestores. Uma vez que a entrada de dados é a partir do modelo de qualidade
baseado no BIM proposto, reduz a necessidade de repetir a entrada de dados em
diferentes formas de análise, compartilhamento e comunicação de dados.
Recentemente, Lee et al. (2016) também propuseram um arcabouço utilizando BIM
e tecnologias de dados vinculados como um novo método de compartilhamento de
dados de defeito ou problemas construtivos entre fontes de dados heterogêneos.
Lee et al. (2016) acreditam que as informações extraídas do ambiente BIM deveriam
ser utilizadas como consulta de casos de defeitos semelhantes em análises de
51
possíveis defeitos após o projeto e antes da construção.
Figura 11 - Exemplo relatório de verificação de qualidade
Fonte: Chen e Luo (2014)
Para isso, os autores desenvolveram uma ontologia para dados de defeito, a partir
da extração de informações de projeto do modelo BIM, conversão dos dados em
formato RDF (Resource Description Framework) e implementação de consultas
SPARQL (SPARQL Protocol and RDF Query Language) (Figura 12).
52
Figura 12 – Método para dados de defeito proposto por Lee et al. 2016
Fonte: Lee et al. 2016
Conforme método proposto por Lee et al. (2016), o modelo BIM é criado para que as
informações de um determinado elemento construtivo selecionado sejam extraídas.
Esta informação é extraída e exportada em uma planilha utilizando funções
embutidas no modelo BIM (2). A informação na planilha é convertida para o formato
RDF através de um conversor RDF (3). As funções de pesquisa dos dados podem
ser testadas através de funcionalidades de consulta (query) na ferramenta de edição
da ontologia, utilizando casos de defeitos como instâncias (4).
Lee et al. (2016) acreditam que a abordagem proposta pode ajudar aplicações de
software BIM a levarem em conta as informações decorrentes do gerenciamento de
defeitos.
2.4.3 Considerações finais
O grande volume de informações gerado ao longo do ciclo de vida de um
empreendimento é, muitas vezes, tratado de forma desestruturada e o potencial
destas informações para gerar conhecimento é pouco aproveitado como forma de
melhorar os processos de gestão e ou evitar que os mesmos erros ocorram
novamente no futuro.
53
O potencial do uso do modelo BIM para o armazenamento e consolidação destas
informações em uma base de dados integrada começa a ser destacado em algumas
pesquisas. Entretanto, dada a complexidade e desestruturação dos dados, são
necessárias novas estratégias para filtrar e organizar estas informações, criando
uma forma estruturada de inserí-las no modelo BIM.
Pesquisas recentes tratam especificamente da complexidade de se organizar e
inserir dados do controle da qualidade e de defeitos construtivos em modelos BIM.
Para efeito desta pesquisa, acredita-se que a proposta apresentada por Lee et al.
(2016) para organização e inserção de dados de defeitos em modelos BIM possa ser
utilizada como parte inicial do arcabouço para mineração de dados de defeitos em
modelos BIM.
Entretanto, embora a pesquisa de Lee et al. (2016) proponha consultas (query)
sobre os modelos BIM, não foi abordada formas de fazer uso das particularidades da
geometria dos elementos construtivos, tampouco sobre as relações entre os defeitos
e os elementos do modelo.
2.5 Defeitos e patologias construtivas
O registro de defeitos e problemas construtivos são uma das fontes de informações
que podem ser armazenadas em modelos BIM e podem se beneficiar da associação
com os parâmetros, geometria e relações entre os elementos do modelo BIM. Como
forma de investigar problemas construtivos comumente ocorridos em obra e suas
particularidades, foi feita uma revisão bibliográfica sobre patologias construtivas.
Esta seção apresenta alguns dos principais defeitos construtivos discutidos na
literatura. A análise das particularidades destes problemas é importante para se
identificar formas de representá-los em um sistema de mineração de dados que os
considere.
2.5.1 A gestão dos dados de defeitos em edifícios
Love e Li (2000) citam que os defeitos ou problemas construtivos são uma das
principais causas de baixa produtividade, resultando em atrasos de cronograma,
custos adicionais em material e em mão de obra para solução dos problemas.
54
Além disso, estes defeitos podem ser identificados ao longo de várias fases do ciclo
de vida do edifício. De acordo com Bernardes et al. (1998), os defeitos ou não
conformidades da construção civil normalmente podem ser identificados durante a
execução da obra; após a obra concluída, porém antes da entrega ao cliente e após
a entrega ao cliente.
Embora de grande relevância, a gestão dos dados de defeitos geralmente não tem
como objetivo o uso futuro das informações, sendo tomadas apenas medidas
corretivas. Segundo Lee et al. (2016), normalmente o processo de gerenciamento de
defeitos é focado na identificação e solução dos problemas e não em retroalimentar
o processo com dados reais, que muitas vezes são dados complexos que vão desde
as etapas de concepção e construção, o que dificulta a utilização de informações
históricas para a prevenção de defeitos.
A complexidade e falta de estruturação dos dados também são levantadas como
fatores que dificultam a utilização do histórico de defeitos para retroalimentação dos
processos de gestão da qualidade. Para Lee et al. (2016) a utilização de dados de
defeitos, na prática, é limitada devido a: falta de estrutura formal na representação
de dados, entrada de dados insuficientes, pesquisa só baseada em texto disponível
e compartilhamento insuficiente de dados de defeitos. Estes dados não estruturados
não seguem um formato legível por máquina, o que dificulta o acesso, a análise e a
busca pela informação desejada.
Embora o tratamento dos dados de qualidade e de defeitos seja de alta
complexidade, três autores destacam a importância de se analisar estes dados
históricos como forma de estabelecer medidas preventivas e corretivas em projetos.
Cheng e Leu (2011) destacam a importância de se organizar e classificar defeitos
comuns de forma a transformar em informação útil para que participantes do projeto
possam entender defeitos críticos e evitar sua recorrência. Para Thomaz (1989)
também é imprescindível o conhecimento do comportamento dos materiais de
construção, de suas deficiências e de suas incompatibilidades para que as
patologias em geral diminuam a níveis aceitáveis. Já Murari e Fioriti (2013)
“ icar quais são as anomalias e com que frequência elas ocorrem permite
estabelecer medidas preventivas e corretivas em projetos, na execução, na
55
especificação de materiais e/ou no manual do usuário, a fim de se evitar a
recorrência em outros empreendimentos ”
Destaca-se assim que embora a gestão de dados de defeitos seja de grande
importância para se identificar as causas para o tratamento dos problemas, este
processo ainda é baseado na tomada apenas de medidas corretivas pontuais a
partir da detecção do problema, sem a preocupação em se organizar e analisar os
dados de forma sistemática que permitam a retroalimentação do processo para
evitar a recorrência no futuro.
2.5.2 Principais tipos de defeitos em edifícios
Os defeitos construtivos podem ser originados por diferentes fatores e em várias
etapas do projeto. Para Eldridge (1982) os defeitos construtivos podem originar-se
de um projeto inadequado, de uma execução em desacordo com o projeto, da baixa
qualidade da mão de obra ou do edifício estar sujeito a forças ou solicitações de
desempenho não previstas.
De acordo com Eldridge (1982) a maior parte dos defeitos são causados:
Pela aplicação de forças, internas ou externas, superiores as suportadas pela
construção, seus componentes e seus materiais;
Pela interação dos materiais, sendo estes sólidos, líquidos ou gasosos e os
efeitos que estes manifestam, incluindo os originários de condições
climatológicas e ao próprio uso do edifício;
Por efeitos causados por agentes biológicos;
Por variações térmicas.
O conjunto destas ações podem causar:
mudanças na composição dos materiais utilizados na construção, podendo
interferir em seu desempenho;
mudanças na construção, que podem gerar desde uma pequena fissura que
não impacta na estabilidade da estrutura até uma que pode gerar a sua
destruição;
mudanças na forma, dimensão e peso;
56
mudanças de aspecto, incluindo coloração.
Silva (2011) relacionou manifestações patológicas comuns da construção civil com
possíveis causas e origens (Figura 13).
Figura 13 - Principais termos ligados a patologias construtivas.
Fonte: Silva (2011)
Eldridge (1982) ilustra, em seu livro, configurações de defeitos de construção
comuns na construção civil, tais como:
umidade em edifícios: de acordo com Ramalho et al. (2014) as principais
patologias causadas pela umidade são manchas, formação de bolor ou mofo
e aparecimento de fissuras e trincas. A presença de umidade pode ser trazida
durante a construção, por capilaridade, pelas chuvas, por condensação e por
vazamentos de tubulações (Figura 14).
57
Figura 14 - Ilustração de umidade localizada na parede do edifício.
Fonte: Eldridge, 1982
Eflorescências (Figura 15): depósitos salinos que se formam na superfície
de materiais cerâmicos, resultantes da migração e posterior evaporação de
soluções aquosas salinizadas e que normalmente são originados pelos sais
solúveis presentes na matéria prima, nos materiais de construção, na água
presente no solo, entre outros (MENEZES et. al. 2006).
Figura 15 - Imagem de uma eflorescência.
Fonte: Eldridge, 1982
58
destacamento de acabamentos (Figura 16): normalmente caracterizados
pela perda de aderência entre o revestimento e o seu substrato, quando as
tensões surgidas no revestimento ultrapassam a capacidade de aderência
das ligações entre o revestimento e seu substrato, como por exemplo a
argamassa colante e/ou emboço. (COMUNIDADE DA CONSTRUÇÃO, 2004)
Figura 16 - Imagens de destacamento de revestimento de fachada
Fonte: Eldridge, 1982
fissuras e trincas (Figura 17 e Figura 18): normalmente são causadas por
movimentos ou deformações que não podem ser evitados, mas são
acomodados. (BERNARDES et al., 1998)
Figura 17 - Fissura causada por deformação excessiva da viga.
Fonte: Eldridge,1982
59
Figura 18 - Ilustração de diferentes formatos de trincas e fissuras.
Fonte: Eldridge,1982
2.5.3 Particularidades de trincas e fissuras
De acordo com Thomaz (1989) dentre os inúmeros problemas patológicos que
afetam os diversos edifícios, as trincas são particularmente importantes por três
aspectos principais: alertar um eventual estado perigoso para a estrutura; o
comprometimento do desempenho da obra (estanqueidade à água, durabilidade,
isolação acústica etc.), e o constrangimento psicológico que a fissuração pode
exercer sobre os usuários.
Embora a manifestação de trincas possa parecer seguir processos totalmente
aleatórios, muitas vezes são causadas por fenômenos físicos, químicos ou
mecânicos que já são de perfeito domínio técnico. A aleatoriedade peculiar aos
estados de fissuração é muito mais relacionada à gama de variáveis envolvidas no
processo e com combinações complexas que muitas vezes são de difícil
entendimento (THOMAZ, 1989).
De acordo com Bernardes et al. (1998), fissuras e trincas normalmente são
causadas por movimentos ou deformações que normalmente não podem ser
evitados, mas podem ser acomodados. Para classificar as fissuras, é necessário
levar em consideração dos seguintes parâmetros:
Tipo de estrutura empregada;
Tipo de alvenaria utilizada;
Localização;
Tipologia;
60
Dimensão da abertura;
Causa principal.
Além disso, segundo Bernardes et al. (1998), as fissuras podem estar localizadas
em locais variáveis: nos blocos, no revestimento de argamassa, nas juntas da
argamassa, ou continuamente através do bloco e argamassa, tanto de
assentamento como de revestimento. Para análise da relevância da fissura, deve-se
levar em conta a sua espessura que pode ser classificada de acordo com os dados
mostrados na Tabela 2.2
Tabela 2.2 - Classificação de fissuras.
CLASSIFICAÇÃO ESPESSURA DA FISSURA
DESPREZÍVEL Menor que 0,1mm
MUITO LEVE 0,4 a 0,8 mm
LEVE 0,8 a 3,2 mm
MODERADA 3,2 a 12,7mm
EXTENSIVA 12,7 a 25,4mm
SEVERA Maior que 25,4mm
Fonte: adaptado de Bernardez et al. (1998)
De acordo com Thomaz (1989) para a investigação de trincas, é necessário levar em
consideração uma série de fatores, tais como:
Incidência, configuração, comprimento, abertura e localização da trinca;
Idade aproximada da trinca, do edifício e a época em que foi construído;
Se a mesma se aprofunda por toda a espessura do componente trincado;
Se trinca semelhante aparece em componente paralelo ou perpendicular
àquele em exame;
Se trinca semelhante aparece em pavimentos contínuos;
Se trinca semelhante aparece em edifício vizinho;
Se o aparecimento da trinca é intermitente ou se sua abertura varia
sazonalmente;
Se a trinca já foi reparada anteriormente;
Se ocorreu alguma modificação profunda nas cercanias da obra;
61
Se no entorno da trinca aparecem outras manifestações patológicas, como
umidade; descolamentos; manchas de ferrugem e de bolor, eflorescências
etc.
Se nas proximidades da trinca existem tubulações ou eletrodutos embutidos;
Se existem na obra caixilhos comprimidos;
Se as trincas se manifestam preferencialmente em alguma das fachadas da
obra;
Se existem deslocamentos relativos (para fora ou para dentro) na superfície
do componente trincado;
Se a abertura da trinca é constante ou se ocorre estreitamento numa dada
direção;
Se a trinca é acompanhada por escamações indicativas de cisalhamento;
Se está ocorrendo condensação ou penetração de água de chuva para o
interior do edifício;
Se o edifício está corretamente utilizado.
Bernardes et al. (1998), cita algumas das principais causas de ocorrências de
fissuras:
falta de amarração entre alvenaria e estrutura;
falta de vergas e contravergas;
deformações da estrutura;
dosagem da argamassa de assentamento;
dosagem da argamassa de revestimento;
falhas durante a produção e aplicação das argamassas;
falha no processo de encunhamento da alvenaria;
os efeitos térmicos e higroscópicos gerando expansão, contração e variação
no teor de umidade dos materiais;
posicionamento de tubulações muito próximas a superfície, enfraquecendo a
estrutura da parede relação entre a deformação da estrutura e a capacidade
de acomodação da parede de acordo com o tamanho dos blocos.
Carvalho (2014) apresenta as diferentes configurações das fissuras de acordo com a
causa relacionada.
62
Fissuras causadas por recalques das fundações
De modo geral, os recalques dos pilares geram fissuras de abertura variável nas
vigas ligadas a eles, apresentando aberturas maiores na parte superior das vigas,
conforme Figura 19.
Figura 19 – Fissuras causadas por recalques das fundações
Fonte: Carvalho (2014)
Fissuras causadas por corrosão da armadura
Fissuras causadas pela corrosão da armadura normalmente aparecerem ao longo
das barras em processo de oxidação, conforme Figura 20.
Figura 20 – Fissuras causadas por corrosão de armadura em vigas.
Fonte: Carvalho (2014)
Fissuras devidas às cargas estruturais
o Tração
Fissuras causadas por esforços de tração são, de maneira geral, ortogonais à
direção do esforço e atravessam toda a seção, de acordo com Figura 21.
63
Figura 21 – Fissuras causadas por esforço de tração
Fonte: Carvalho (2014)
o Compressão
Fissuras causadas por esforços de compressão são, em geral, paralelas a direção
do esforço, como representado na Figura 22.
Figura 22 – Fissuras causadas por esforço de compressão
Fonte: Carvalho (2014)
o Flexão
Fissuras causadas por esforços de flexão começam no bordo tracionado das peças
e avançam em direção à linha neutra. Possuem abertura variável: são mais abertas
no bordo tracionado da seção e vão diminuindo à medida que chegam perto da linha
neutra (Figura 23).
Figura 23 – Fissuras causadas por esforço de flexão
Fonte: Carvalho (2014)
64
o Força cortante
Fissuras causadas por esforço cortante são, em geral, inclinadas (entre 30° e 45°,
aproximadamente), atravessam toda a peça, e são localizadas próximas aos apoios
dos elementos (regiões de força cortante grande). (Figura 24).
Figura 24 – Fissuras causadas por força cortante
Fonte: Carvalho (2014)
2.5.4 Particularidades de vazios de concretagem
De acordo com Figuerola (2006) as principais causas dos vazios de concretagem
estão relacionadas a:
Dosagem inadequada do concreto: concreto muito fluido, sem coesão, com
excesso de agregado graúdo;
Lançamento do concreto em alturas superiores a 3 m;
Erro no detalhamento da armadura: alta concentração de barras;
Vibração excessiva;
Erro na especificação do tamanho máximo do agregado;
Peças esbeltas, preenchidas com concreto de baixo slump;
Fôrmas mal-executadas, sem estanqueidade.
Segundo o autor, para se evitar os vazios de concretagem, é necessário respeitar
regras com relação ao tamanho õ
â v .
O posicionamento dos vazios de concretagem no elemento estrutural pode
representar a causa do problema (Figura 25 e Figura 26). Segundo o autor, vazios
de concretage v
v , a
65
brita tende a chegar na base do elemento estrutural antes da argamassa, causando
bicheira na parte inferior da , como ilustrado na Figura 26.
Figura 25 – Diferentes posicionamentos dos vazios de concretagem. À esquerda, localizado na
parte intermediária do pilar e, à direita, a mesma patologia, mas em fundo de viga.
Fonte: Figuerola (2006)
Figura 26 - Vazios de concretagem em , causado pelo lançamento indevido do
concreto, provavelmente feito a uma altura superior a 3 m
Fonte: Figuerola (2006)
De acordo com o mesmo autor, se o vazio ocorre na parte superior do elemento
estrutural, pode representar que houve congestionamento de ferragens, retendo a
brita e deixando passar apenas a argamassa.
Os vazios de concretagem também podem ocorrer em outras regiões devido ao uso
de agregados graúdos em locais onde o espaçamento da armadura é insuficiente.
66
2.5.5 Considerações finais
Há uma gama de problemas construtivos que poderiam ser representados em um
modelo BIM. Com base na literatura levantada, é possível destacar:
Trincas e fissuras
Manchas, incluindo as causadas por ferrugem, eflorescência e umidade
Vazios de concretagem
Destacamento e desplacamento de materiais
Deformação excessiva de elementos
A forma de se investigar as causas para formação de trincas e fissuras é
extensamente discutida na literatura. As trincas e fissuras podem aparecer tanto
como resultado de demais patologias, como, por exemplo, as originadas por
deformações excessivas ou comportamento de determinados materiais, quanto
podem ser a origem de determinados problemas, como quando permitem a entrada
de umidade gerando manchas.
As principais particularidades a serem consideradas na investigação de trincas e
fissuras podem ser agrupadas em:
Propriedades do elemento no qual a trinca está formada;
Localização;
Dimensão da abertura;
Configuração;
Comprimento;
Idade aproximada da trinca;
Espessura.
Além disso, na investigação das trincas, destaca-se também a importância de se
analisar os componentes vizinhos. Conforme é destacado por Thomaz (1989), que
relata, por exemplo, a importância de analisar se no entorno da trinca aparecem
outras manifestações patológicas ou se estas estão localizadas próximo a
tubulações e eletrodutos.
67
Os vazios de concretagem também apresentam posicionamentos bem
característicos em relação ao elemento estrutural de acordo com a origem do
problema.
Com relação as manchas, incluindo aquelas causadas por ferrugem, eflorescência e
umidade, a causa pode estar relacionada aos elementos que se encontram ao seu
redor. A manifestação de uma ferrugem em um elemento estrutural pode representar
a presença de uma armação que foi exposta a umidade, já a presença de umidade
em uma parede, pode representar que há uma tubulação com vazamento em seu
interior ou que esta está em contato direto com o solo, por exemplo. Destaca-se
neste caso a importância de se identificar elementos próximos as manchas que
possam revelar sua origem.
Estas afirmações corroboram com a hipótese desta pesquisa que uma vez sendo
possível representar as patologias construtivas no modelo BIM, sistemas de
mineração de dados poderiam fazer uso de suas propriedades, geometria e relações
entre os demais elementos construtivos, na investigação das possíveis causas
destes problemas.
68
3 MÉTODO
A presente pesquisa foi desenvolvida seguindo a metodologia de Pesquisa
Construtiva (do termo em inglês Constructive Research). De acordo com Oyegoke
(2011) a pesquisa construtiva visa à produção de novas soluções para problemas
práticos ou teóricos, a partir da utilização tanto de ferramentas de pesquisa, quanto
da epistemologia interpretativa, epistemologia positivista e empirismo.
Nesta metodologia, é feita a construção de um constructo, como forma de produzir
soluções para problemas específicos. Dentre os exemplos de aplicação desta
metodologia estão: a produção de uma nova realidade ou algo profundamente
diferente de qualquer coisa criada anteriormente. A validação da usabilidade da
solução pode ser feita através de sua implantação (KASANEN; LUKKA; SIITONEN,
1993).
Esta pesquisa foi conduzida a partir dos sete passos apresentados por Labro e
Tuomela (2003) para pesquisas construtivas, conforme Figura 27.
Figura 27 - Os sete passos da Pesquisa Construtiva agrupados em três fases principais.
Fonte: adaptado de Labro e Tuomela (2003)
69
3.1 Fase 1: descoberta de um problema de pesquisa relevante que tenha potencial
para pesquisa
Através da metodologia de pesquisa construtiva é possível abordar problemas
relevantes existentes na indústria que surgem a partir de três abordagens principais:
evidência anedótica (ou informal), evidência baseada na experiência prática ou de
especialistas, evidências originadas pelo trabalho teórico de colegas ou pares
(OYEGOKE, 2011).
Esta pesquisa parte da hipótese de que é possível agregar informações originadas
durante a execução e pós-execução do empreendimento nos próprios elementos do
modelo BIM, mantendo a relação de tais informações com a geometria dos
elementos construtivos e que esta agregação poderá viabilizar a descoberta de
relacionamentos não evidentes.
Esta hipótese parte da experiência prática do pesquisador no uso do modelo BIM em
empresas construtoras e do conhecimento do grande volume de informações
relacionadas ao processo de gerenciamento da construção que são gerados
diariamente e que muitas vezes não são utilizadas de forma sistemática para
retroalimentar os processos a partir do conhecimento adquirido. O reuso limitado das
informações se deve aos dados serem muitas vezes coletados em formulários em
papel ou eletrônicos, mas de forma não integrada, situação que foi confirmada a
partir da revisão bibliográfica, mostrando-se ser comum no segmento da construção
civil.
Partindo disto, acredita-se que uma vez que dados pós projeto, ou seja, dados
gerados durante os processos de gerenciamento, controle da execução e pós
execução sejam de forma sistemática inseridos no modelo, seja possível fazer uso
de análises estatísticas através de mineração de dados, de forma a identificar
padrões que são influenciados de alguma maneira pela geometria (dimensão, forma
e/ou posição) dos elementos construtivos.
3.2 Fase 2: Examine o potencial da pesquisa para cooperação a longo prazo
Identificado o problema de pesquisa, as suas principais aplicações e
desdobramentos foram analisadas.
70
Uma vez analisadas formas de se inserir informações pós projeto em modelos BIM e
fazer uso das informações implícitas relacionadas a geometria e posicionamento dos
elementos em análises estatísticas, será possível identificar padrões que podem ser
uteis para a análise da origem de problemas de qualidade de execução, razões para
baixa produtividade de determinados serviços, problemas de manutenção, pós-
ocupação, entre outros.
3.3 Fase 3: obter uma visão geral e compreensiva sobre o tema
Identificado o problema de pesquisa e seu potencial, foi feita a revisão da literatura
sobre os temas relacionados, como forma de obter o entendimento geral dos
assuntos relacionados à pesquisa; entrevistas semiestruturadas com empresas
construtoras como forma de compreender os processos de controle de qualidade e
as principais dificuldades encontradas neste processo e; coleta e análise da
documentação obtida pelas empresas para identificação de informações relevantes
para o tema desta pesquisa e utilização das informações em testes.
3.3.1 Revisão de literatura
Segundo Luna (1997), um dos objetivos da revisão de literatura é a determinação do
“ ” v
literatura publicada, o que se sabe e quais as lacunas existentes sobre o tema.
Para Luna (1997) a revisão de literatura está relacionada à fundamentação teórica
que será adotada para tratar o tema e o problema de pesquisa. Pode ser aplicada
quando um dos objetivos é fazer a revisão teórica para inserir um problema de
pesquisa em um quadro de referência teórica para explicá-lo, em casos nos quais o
estudo é gerado por uma teoria, ou quando não é gerado ou explicado por uma
teoria em particular, mas sim por várias.
Para esta pesquisa, foi feita a revisão bibliográfica dos seguintes temas:
O uso do BIM na construção civil
Técnicas de mineração de dados
O uso da informação na construção civil
Características de defeitos e problemas construtivos
71
Nesta fase foram levantados artigos científicos de periódicos nacionais e
internacionais e de congressos nacionais e internacionais além de livros,
dissertações e teses que exploram os temas em questão. Em particular buscou-se
identificar os principais conceitos e estado da arte do processo BIM, do conceito e
técnicas de mineração de dados e os principais conceitos relacionados ao controle
de qualidade e manifestações patológicas na construção civil.
3.3.2 Entrevistas semiestruturadas
Em busca de identificar como é feito o processo de controle da qualidade da
execução dos elementos construtivos, e as dificuldades das empresas para controle,
incluindo o mapeamento e registro de não conformidades e manifestações
patológicas, foram feitas entrevistas semiestruturadas com profissionais de duas
empresas de São Paulo que atuam com construção civil:
A empresa A faz parte de um grupo com mais de 76 anos de operação em 20
estados brasileiros com mais de 58 mil funcionários, atuando em diversas
áreas incluindo: Engenharia e Construção, Concessões de Energia,
Concessões de Transporte, Indústria Naval e Incorporação.
A empresa B foi fundada em 1973 e possui mais de 7 milhões de m² de
empreendimentos entregues e atua em todo o Brasil. Possui mais de 700
funcionários e atua nas áreas de edifícios comerciais, residenciais, industriais,
hotéis, hospitais e óleo e gás.
A lista dos profissionais entrevistados, bem como suas principais responsabilidades
estão descritas no Quadro 2.
As entrevistas tiveram como enfoque as seguintes questões:
Como é feito o processo de controle de qualidade da empresa?
Quais são os procedimentos e formulários utilizados?
Como são coletadas e armazenadas as informações?
Quais são as principais dificuldades encontradas no processo?
Como é feita a análise dos problemas encontrados?
Como é feito o controle da assistência técnica?
Como é feita a retroalimentação do processo?
72
Quais são os principais problemas construtivos detectados pós obra?
Quadro 2 - Cargo e principiais responsabilidades dos profissionais entrevistados.
Empresa Cargo do professional
entrevistado Responsabilidade do profissional
Empresa A Gerente BIM
Profissional responsável na empresa pela
implementação de um processo integrado
de coleta de informações de qualidade
através do uso de tablets e software
específico (Autodesk BIM 360 Field)
Empresa A Gerente de sistemas de
gestão
Profissional na empresa entrevistada
responsável pelo desenvolvimento do link
entre as fichas de verificação de serviço
concluídas e o pagamento dos fornecedores
Empresa A
Coordenadora de
Qualidade
Profissional que atua em campo com o
controle de qualidade e uso dos sistemas da
empresa
Empresa B Coordenador de Projetos
Profissional que coordena os projetos em
obra e as soluções junto aos consultores de
problemas construtivos identificados
Empresa B Gerente de Qualidade
Profissional que gerencia todos os
processos de controle de qualidade da
empresa
Empresa B
Coordenador do núcleo de
desenvolvimento
tecnológico
Profissional responsável pelo
desenvolvimento e controle dos
procedimentos para execução de
tecnologias construtivas
Empresa B Engenheiro de qualidade de
campo
Profissional que aplica os procedimentos de
qualidade e coleta os dados
Empresa B Gerente de Assistência
Técnica
Profissional responsável por todos os
chamados de assistência técnica pós obra
Fonte: elaborado pelo autor
Em ambas as empresas, foi possível coletar materiais relacionados aos processos
de controle de qualidade de execução, tais como:
73
Fichas de Verificação de Serviço que são utilizadas para controle de
qualidade de execução.
Relatórios de registros de assistência técnica, com o registro dos chamados
de 26 obras, listando as principais patologias encontradas e possíveis causas.
Mapeamento de problemas construtivos em uma obra, relatório que é enviado
para os consultores de estrutura para que estes analisem as origens dos
problemas e as medidas a serem tomadas.
Modelos BIM de dois empreendimentos. Um edifício comercial da empresa A
e um edifício comercial da empresa B.
3.3.3 Tabulação e análise dos dados
Como forma de identificar as principais relações entre os problemas construtivos do
edifício com potencial de serem analisadas em um sistema de mineração de dados
que analise problemas de qualidade, as informações das fichas de verificação de
serviço, dos relatórios de registros de assistência técnica e dos relatórios de lições
aprendidas da construtora foram organizados e tabulados em uma planilha, de
acordo com:
Fonte
Sistema construtivo envolvido
Descrição do problema
Os registros obtidos pelo material disponibilizado pelas empresas totalizam 425
diferentes problemas construtivos de 26 obras no período entre 2013 a 2015.
A descrição de cada problema construtivo encontrado foi analisada e, com base em
suas origens, foram criadas categorias para agrupá-las.
3.4 Fase 4: inovação – desenho de um novo constructo (solução)
O constructo desenvolvido nesta pesquisa foi um arcabouço teórico para mineração
de dados de defeitos construtivos em modelos BIM, levantando os requisitos e
procedimentos básicos para sua aplicação.
Os aspectos principais contemplados no arcabouço incluem:
método para coleta dos defeitos construtivos e registro em modelos BIM;
74
formas de representar as relações entre os elementos e os defeitos
construtivos permitindo que esta informação seja incluída como parte dos
dados a serem analisados pelo sistema de mineração de dados;
pontos relevantes a serem considerados no pré-processamento das
informações do modelo BIM de forma a viabilizar a mineração de dados.
3.5 Fase 5: implementar e testar o novo constructo
Após levantados os requisitos e procedimentos para a mineração de dados de
defeitos em modelos BIM, primeiramente foi realizado um teste para análise da
viabilidade de se minerar os dados de modelos BIM, em seguida foi feita a
elaboração de componentes paramétricos para representação de defeitos
construtivos em modelos BIM e, por fim, foi feita a aplicação dos componentes
defeito em um modelo BIM para análise de como representar suas informações na
mineração de dados.
3.5.1 Análise da viabilidade de minerar dados de modelos BIM
Primeiramente foi feito um teste sobre dados de não conformidade imputados em
um modelo, como forma de explorar o potencial das técnicas de mineração de dados
em modelos BIM. Estes testes resultaram em um artigo apresentado no ICCCBE
2016 (DELATORRE; CORREA; SANTOS, 2016).
O modelo BIM utilizado neste teste foi a estrutura de concreto armado de um edifício
de escritórios de 19 andares com auditório, restaurante e teatro, num total de 5766
elementos.
Quase todos os componentes do modelo tiveram um parâmetro de execução de
controle de qualidade, introduzido após a inspeção no local, com os seguintes
valores possíveis: não conforme, conforme ou aprovados após a inspeção.
Para testar a viabilidade de se minerar estes dados e identificar as relações entre os
componentes, dois grupos de elementos foram marcados como não-conformes: um
composto por várias colunas perto da fachada oeste e, o outro, um conjunto de
colunas e blocos de fundação alinhados verticalmente perto da fachada leste (Figura
28 e Figura 29). O objetivo do teste foi detectar o último conjunto de elementos, com
base na não-conformidade (parâmetro explícito) e sua posição (parâmetro
75
geométrico, implícito), partindo da hipótese que a fundação não conforme poderia
ser a causa para as colunas defeituosos acima dela.
Figura 28 - Cluster de componentes não conformes no modelo estrutural.
Fonte: Autor
Figura 29 - Linha de colunas não conformes sobre a fundação não conforme.
Fonte: Autor
Para o propósito inicial de analisar a viabilidade de se explorar modelos BIM com
técnicas de mineração de dados, optou-se pela aplicação de clustering para este
teste, no qual o algoritmo identifica grupos de componentes semelhantes em um
determinado número de agrupamentos.
Para realização do teste, o modelo BIM foi preparado e exportado em formato
Industry Foundation Classes (IFC). Modelos IFC são largamente adotados como
padrão aberto usado em toda a indústria (buildingSMART, 2007).
76
A partir dos dados exportados, foi preparado um arquivo de entrada para o pacote
de poLCA4 e uma análise de cluster baseada em análise de classes latentes5 (LCA)
foi realizada e os resultados examinados.
3.5.2 Elaboração de componente paramétrico para representação de defeitos
A partir da revisão da literatura sobre os principais defeitos e patologias na
construção e das principais informações utilizadas pelos especialistas para análise e
investigação da causa destes problemas, foi feita a proposição de componentes
paramétricos para representação de defeitos que poderão ser utilizados no registro
dos problemas construtivos do edifício que servirá de dado de entrada para análises
estatísticas em sistemas de mineração de dados que analisem defeitos construtivos
em modelos BIM.
O software BIM adotado para a criação do componente foi o Autodesk Revit, por ser
líder de mercado e amplamente utilizado pelas empresas no Brasil, e pelo domínio
do autor no uso da ferramenta. Acredita-se que para o propósito desta pesquisa, as
demais ferramentas BIM disponíveis no mercado atenderiam ao propósito da criação
do componente proposto, por permitirem a criação de objetos paramétricos.
3.5.1 Mineração dos dados do modelo com a inclusão do componente
defeito
“ ” e da forma de representá-
los na preparação dos dados para a mineração de dados, foi feito um segundo teste,
seguindo a mesma metodologia proposta no primeiro teste, com a particularidade de
se considerar as informações do objeto defeito.
Para isto, foi desenvolvido um modelo BIM com 5060 elementos e componentes
defeito representando trincas e manchas foram inseridos respectivamente em
paredes e lajes. Para cada componente defeito, foram atribuídas informações de
ângulo e posicionamento relativo (Figura 30).
4 poLCA -.pacote desenvolvido em linguagem R que para um dado número de classes, realiza a
análise de classe latente (Linzer & Lewis, 2011).
5 LCA. Teoria clássica da análise da classe latente fundada por Lazarsfeld em 1950, no contexto de
estudos de fenômenos sociológicos (Andersen, 1982).
77
Em seguida foi feito o pré-processamento para planificação dos dados para entrada
para o pacote de poLCA e a mesma análise de cluster do primeiro teste foi aplicada
e os resultados foram examinados.
Figura 30 – Modelo BIM desenvolvido para o teste com a inclusão de componentes defeito.
Fonte: Autor
3.6 Fase 6: demonstrar conexões teóricas e o conceito da contribuição de
pesquisa da solução
Após a implementação e teste do constructo, foram identificados os principais
pontos a serem considerados em um sistema de mineração de dados que possibilite
a análise de defeitos construtivos em modelos BIM. Estes formaram o arcabouço
teórico proposto por esta pesquisa que contribuirá com pesquisas futuras que visem:
se aprofundar no desenvolvimento de algoritmos específicos para a mineração de
dados em modelos BIM, servir como base para pesquisadores que tenham como
objetivo o desenvolvimento de plataformas para esta finalidade, entre outras.
Fase 7: examinar o escopo da aplicabilidade da solução
O escopo da aplicabilidade da solução foi examinado com base nos resultados dos
testes e descrito juntamente com as conclusões, considerações finais e sugestões
para trabalhos futuros.
78
4 RESULTADOS
Com base nas entrevistas realizadas, foi possível constatar como é feito o processo
de controle de qualidade e gestão de não conformidade em ambas as empresas
estudadas, incluindo procedimentos utilizados, método de coleta, armazenamento e
uso das informações obtidas, e os principais problemas construtivos encontrados em
obra.
A partir dos problemas coletados, foi possível identificar relações importantes a
serem verificadas em um sistema de mineração de dados em modelos BIM que
análise defeitos construtivos.
Foi constatado, com base na revisão da literatura, que os predicados propostos para
a identificação das relações entre elementos construtivos, normalmente aplicados a
softwares que analisam interferências construtivas, poderiam ser aplicados para
representar parte das importantes relações destacadas para a análise de defeitos
construtivos. Esse é o caso dos predicados propostos por Nepal et. al (2012)
descritos no capítulo 2.3.3.
Entretanto, as funções de consulta e predicados identificados na literatura abordam
normalmente maneiras de analisar apenas a relação entre elementos construtivos.
Há uma lacuna a ser desenvolvida na análise das relações entre o defeito
construtivo e o elemento ao qual se refere e no qual está posicionado.
Para tratar esta questão, foi proposta uma função para que seja possível interpretar
a localização do defeito perante o elemento construtivo no qual está posicionado.
Como forma de caracterizar os defeitos construtivos, foi desenvolvido um
“ ” v
poderá ser utilizado para inserir as informações do defeito nos modelos BIM.
Para subsidiar a obtenção completa das informações necessárias para caracterizar
o objeto defeito e inserí-lo no modelo BIM, foi desenvolvida uma ficha padrão para
registro das informações básicas necessárias.
Para validar a aplicabilidade da solução proposta foram realizados dois testes sobre
dados de não conformidade e do objeto defeito extraídos de modelos BIM.
79
Os resultados apresentados estão descritos a seguir e fazem parte do arcabouço
teórico preliminar para mineração de dados de defeitos em modelos BIM proposto
nesta pesquisa.
4.1 Processo de controle de qualidade e gestão de não conformidades da empresa
A:
A empresa A possui um sistema integrado de gestão de não conformidades que faz
uso do modelo BIM, baseado no software Autodesk BIM 360 Field. Nesta empresa,
foram entrevistados o gerente da implementação da metodologia BIM, o gerente
responsável pelo desenvolvimento de sistemas que integram processos de gestão e
a coordenadora que faz o controle de qualidade em campo.
O processo de controle de qualidade é baseado neste sistema que possui
formulários com os itens de conformidade a serem verificados para cada sistema
construtivo e preenchíveis através de aplicativos móveis como tablet e celulares.
Durante as vistorias, são verificados todos os itens dos formulários e, caso seja
detectada alguma não conformidade, informações gerais do problema, bem como
uma foto, são registradas no sistema. Os registros de campo alimentam uma base
de dados geral que armazena as seguintes informações: descrição do problema;
andamento (status); número do formulário; elemento verificado; ação a ser tomada.
(Quadro 3).
Quadro 3 - Base de dados exportada pelo BIM 360 Field.
Fonte: Empresa A
80
Como parte do processo de controle de qualidade da empresa, a partir do momento
que é aberta uma não conformidade, o acompanhamento é feito até a não
conformidade ser fechada e, só a partir deste momento, é liberado o pagamento do
fornecedor prestador daquele serviço.
O Autodesk BIM 360 Field permite o uso do modelo BIM para visualização e para a
abertura de não conformidades através da criação de um alfinete (pin) em uma vista
3D do edifício, porém este apontamento é apenas visual, não sendo criado nenhum
vínculo, em termos de dados, do registro de não conformidade com o elemento
construtivo verificado.
4.2 Processo de controle de qualidade e gestão de não conformidades da empresa
B:
O processo de controle de qualidade e gestão de não conformidade da empresa B é
feito através de planilhas chamadas Fichas de Verificação de Serviço ilustradas na
Figura 31. Estas fichas possuem os itens de qualidade que devem ser verificados
em cada etapa do processo de execução, incluindo os critérios de verificação, locais
que devem ser verificados e padrões de tolerância.
De acordo com o coordenador do núcleo de desenvolvimento tecnológico,
responsável pela criação das fichas e pelo acompanhamento de sua utilização em
obras, os profissionais muitas vezes preenchem as fichas, mas não fazem a
digitalização e o armazenando correto das informações, limitando a consulta aos
dados. Apenas nos casos em que é identificado algum problema grave em obra, as
fichas são consultadas para rastrear possíveis causas.
Isso se deve, de acordo com o engenheiro de qualidade de campo entrevistado, pela
dificuldade de se tabularem os dados de todas as fichas preenchidas, por estas
estarem em papel.
81
Figura 31 - Ficha de verificação de serviço com registro de não conformidades.
Fonte: Empresa B.
De acordo com a coordenadora que cuida da gestão das disciplinas de projetos em
obra, quando é necessário encaminhar os problemas para análise de um consultor
especialista no assunto, foi relatado que eram feitos relatórios com o mapeamento
dos problemas e com informações gerais. A mesma ilustrou com a apresentação de
um exemplo de mapeamento de fissuras, trincas e vazios de concretagem das lajes
do embasamento do edifício que, na ocasião, havia sido feita pelo engenheiro de
qualidade e enviado para o consultor de estruturas. (Figura 32 e Figura 33).
82
Figura 32 - Exemplo mapeamento problemas construtivos de obra 1.
Fonte: Empresa B.
Figura 33 - Exemplo mapeamento problemas construtivos de obra 2.
Fonte: Empresa B
No caso do mapeamento apresentado, as fissuras, infiltrações, vazios de
concretagem, entre outras patologias são mapeadas em planta através de uma
legenda de cores e com a identificação das espessuras das trincas e
83
posicionamento de todos os problemas encontrados. Além disso, em uma tabela,
são registradas as informações gerais das trincas por elemento (Tabela 4.1).
Tabela 4.1 - Tabela parcial com registros das fissuras representadas nas plantas.
PEÇA ESPESSURA DA FISSURA OBSERVAÇÕES
V101 Fissuras de 0,5mm Fissuras horizontais na parte superior da viga / A
viga contém 2 emendas de concretagem.
V102 Fissuras de 0,4 a 0,5mm Fissuras horizontais na parte superior da viga / A
viga contém 2 emendas de concretagem.
V103 Fissuras de 0,5mm Fissuras horizontais na parte superior da viga / 2
Fissuras verticais na viga / A viga contém 1
emenda de concretagem.
V104 Fissuras de 0,2 a 0,5mm 3 Fissuras verticais na viga / A viga contém 2
emendas de concretagem.
V105 Não tem fissuras -
Fonte: Empresa B.
Após a finalização da obra, o processo passa para a área de assistência técnica que
fica responsável pela análise e tratamento de todas as solicitações dos clientes para
o tratamento de problemas identificados após a entrega.
Para cada solicitação são registrados: a data de entrada, obra, descrição da
solicitação, tecnologias e sistemas construtivos envolvidos, e parâmetros de controle
sobre o andamento da ocorrência (Figura 34).
Esta base de dados é utilizada tanto para a gestão do atendimento das solicitações
quanto para a análise da recorrência de determinados problemas e retroalimentação
do processo.
Com base nas entrevistas realizadas e no entendimento do processo de controle de
qualidade e gestão de não conformidades nas empresas, foi possível constatar a
complexidade de se coletar e analisar dados de defeitos construtivos em obra.
Assim como foi apontada na revisão da literatura, constatou-se que muitas vezes a
coleta desses dados é feita de forma desestruturada, o que dificulta a consolidação
das informações em uma base de dados única que possa ser consultada para que
seja possível analisar possíveis causas dos problemas para retroalimentação do
processo.
84
Figura 34 - Registro de ocorrências na área de assistência técnica.
Fonte: Empresa B.
Embora a empresa A esteja mais avançada, por utilizar um sistema de coleta de
informações de defeitos a partir do uso de aplicativos móveis (por exemplo tablet e
celulares) e que gera uma base de dados consolidada acessível para análise, estes
dados não são vinculados ao elemento construtivo em que se encontram, o que
dificulta a identificação de causas que podem estar relacionadas à geometria ou às
relações entre elementos construtivos.
4.3 Relações relevantes para sistema de mineração de dados de defeitos em
modelos BIM
Para identificação de relações relevantes entre os defeitos e os elementos
construtivos que precisariam ser identificadas em um sistema de mineração de
dados em um modelo BIM, foi feita uma análise sobre os dados de problemas
construtivos disponibilizados pelas empresas e confronto com a revisão da literatura.
A tabulação das informações das fichas de verificação de serviço, dos relatórios de
registros de assistência técnica e dos relatórios de lições aprendidas fornecidos
pelas empresas entrevistadas, resultou em uma listagem de 425 diferentes
descrições de problemas construtivos de 26 obras entre o período de 2013 a 2015.
A descrição de cada problema construtivo encontrado foi analisada e, com base em
suas origens, foram agrupadas de acordo com as seguintes categorias:
85
Propriedades do elemento: para problemas relacionados à especificação de
projeto e seus materiais;
Data de execução: para problemas relacionados à data de execução ou à
detecção de problemas com o lote do material aplicado;
Posicionamento: para problemas que podem ter sido influenciados pela
localização do elemento no edifício;
Relação entre os elementos: para problemas causados pela relação entre o
elemento afetado e outros elementos do edifício;
Geometria do elemento: para problemas que foram originados pela forma do
elemento construtivo;
N/A: para descrições que não demonstram claramente o problema ou
causada por acidente ou falha durante a execução.
Estas categorias foram criadas conforme a análise dos problemas. A cada novo
problema foi verificado se este se encaixava em uma nova categoria ou a uma
categoria anterior, até que todos os problemas listados fossem atribuídos a uma das
categorias acima (Quadro 4).
Quadro 4 - Tabela parcial das descrições dos problemas e categorização.
Fonte: Autor.
O resumo da quantidade de problemas associados a cada categoria definida é
apresentado na Figura 35.
86
Figura 35 - Gráfico com a quantidade de problemas associados a cada categoria.
Fonte: Autor.
Com base nas categorias encontradas, foi feito o cruzamento com as relações
topológicas levantadas pela bibliografia. A partir disso, foi gerado o que compila
relações importantes ao se investigar possíveis causas dos problemas construtivos
incluindo: informações sobre as propriedades do elemento em que o Quadro 5
defeito foi encontrado, data de execução, posicionamento deste perante o edifício,
relações entre o posicionamento do defeito e elementos próximos que possam ter
influência em sua causa e a geometria dos elementos.
Para exemplificar, para cada relação proposta no Quadro 5, foi descrito um tipo de
problema construtivo real que poderia ser identificado a partir do uso destas
relações.
Quadro 5 - Relações relevantes para mineração de dados de defeitos em modelos BIM
Relação Exemplo de consulta
aos dados
Exemplo de problemas
relacionados
Propriedades do elemento (informações de projeto)
Pilares afetados x especificação do concreto utilizado
Constatação de que grupo de pilares que apresentaram defeito fizeram uso de concreto com fck inferior ao especificado no projeto
Data de execução (monitoramento da obra)
Elementos estruturais afetados x data de execução
Constatação de concreto utilizado em pilares em determinada data não atingiu a resistência necessária
Posicionamento (Localização X; Y; Z)
Elementos afetados x posicionamento no edifício
Constatação que todos elementos afetados estão localizados na fachada leste que recebe maior incidência de sol
0 50 100 150 200 250 300 350 400 450
Data da execução Geometria do elemento
N/A Posicionamento
Propriedade do elemento Relação entre elementos
Total
87
Quadro 5 – Relações relevantes para mineração de dados de defeitos em modelos BIM
(continuação)
Relação Exemplo de consulta aos dados
Exemplo de problemas relacionados
Posicionamento (Localização X; Y; Z)
Elementos afetados x posicionamento no edifício
Constatação de que todos os elementos afetados estão localizados na fachada leste que recebe maior incidência de sol
Relação entre elementos (Direcional): Posição relativa entre dois elementos espaciais.
Sobre (above)
Pilares afetados x posição relativa com grupo de fundações afetadas
Constatação de que a presença de fissuras e trincas ao longo das vigas é devido ao recalque da estrutura devido a movimentação das fundações originada pela movimentação do solo
abaixo (below)
ao norte de (northOf)
ao sul de (southOf)
ao leste de (eastOf)
ao oeste de (westOf)
Relação entre elementos (Métrica)
(distance) menor distância entre qualquer ponto pertencente ao fechamento dos objetos
Pilares afetados x distância em relação ao núcleo de escadas
Pilares localizados a 3 m do núcleo das escadas apresentam problemas de fissuração
Relação entre elementos (Booleana):
união (union)
Lajes afetadas x interseção com o elemento ao qual estão apoiadas
Lajes apoiadas no Pilar 43 apresentam fissuras
interseção (intersection)
diferença (difference)
Relação entre elementos (Topológicas): relações topológicas entre dois objetos espaciais.
Toca (touch) Elementos defeito (ex: pedaços de concreto em falta) x relação topológica (inside) dos elementos estruturais envolvidos
A viga de encontro das lajes apresenta queda de pedaços de concreto. A viga apresenta vários pontos que estão com falta de pedaços que se soltaram e outros pontos com probabilidade
contém (contain)
igual (equal)
dentro (inside)
Fonte: Autor.
88
Quadro 5 – Relações relevantes para mineração de dados de defeitos em modelos BIM
(continuação)
Relação Exemplo de consulta aos dados
Exemplo de problemas relacionados
Geometria do elemento
Pilares afetados x proporção da geometria do elemento. Esbeltes (Proporção largura x altura)
Problemas acarretados pela utilização de estruturas muito esbeltas que, pela sua grande deformidade, acabaram esmagando as paredes divisórias
Fonte: Autor.
Acredita-se que é relevante que um sistema de mineração de dados que se
proponha a analisar defeitos construtivos representados em modelos BIM seja capaz
de analisar as relações apresentadas, a partir do uso de algoritmos apropriados e
computação gráfica.
4.4 Classificação das relações entre o componente defeito e o elemento
construtivo
Para que seja possível considerar as relações entre os elementos em um sistema de
mineração de dados de defeito em um modelo BIM, é necessário desenvolver
mecanismos para representar estas relações no pré-processamento dos dados.
As linguagens de consultas (query) e os predicados levantados na literatura são, em
sua maioria, aplicáveis à análise da relação entre elementos construtivos. Porém,
para determinados tipos de patologias, foi constatado a relevância de se caracterizar
também as relações entre o defeito e o elemento construtivo no qual está
posicionado, uma vez que esta informação pode revelar diferentes causas.
Esta característica foi destacada em duas patologias principais: trincas ou fissuras e
vazios de concretagem. Para estas duas tipologias de defeito, foi proposta uma
categorização do posicionamento do componente defeito em relação ao elemento
construtivo a que se refere, como forma de permitir que estas relações sejam
consideradas na mineração de dados. A proposta é que esta categorização seja
inserida no componente defeito proposto na seção 4.5, como forma de categorizar o
posicionamento relativo do defeito em relação ao elemento em que está inserido.
89
I. Trincas e fissuras
De acordo com a revisão da literatura, as trincas e fissuras assumem diversas
configurações de acordo com suas causas. Com base na análise visual da patologia,
foi proposta a categorização apresentada no (Quadro 6).
Quadro 6 – Configuração das trincas e fissuras de acordo com a causa
Causa da trinca
Ilustração Configuração da
trinca Classificação
proposta
Recalque dos pilares
Abertura variável, apresentando aberturas maiores na parte superior das vigas
Extremidade variável
Esforços de tração
Ortogonais à direção do esforço e atravessam toda a seção
Ortogonal
Esforços de compressão
Paralelas a direção do esforço
Paralela
Esforços de flexão
Possuem abertura variável: são mais abertas no bordo tracionado da seção e vão diminuindo à medida que chegam perto da linha neutra
Convergente
Corrosão das armaduras
Ao longo das barras em processo de oxidação
Vertical e distribuída
Fonte: Autor. Figuras Carvalho (2014).
90
Quadro 6 - Configuração das trincas e fissuras de acordo com a causa (continuação)
Causa da trinca
Ilustração
Configuração da trinca
Classificação proposta
Força cortante
Inclinadas (entre 30° e 45°, aproximadamente), atravessam toda a peça, e são localizadas próximas aos apoios dos elementos
Extremidade inclinada
Fonte: Autor. Figuras Carvalho (2014).
II. Vazios de concretagem
De acordo com a revisão da literatura, as causas dos vazios de concretagem podem
variar de acordo com sua localização perante o elemento estrutural. (Quadro 7).
Quadro 7 – Configuração dos vazios de concretagem de acordo com a causa
Causa do vazio Ilustração Localização do vazio
de concretagem
Classificação
proposta
Lançamento indevido do
concreto (altura maior
que 3 m)
Abaixo do elemento
estrutural
Base
Congestionamento de
ferragens
Acima do elemento
estrutural
Topo
Outras causas, tais
como o uso de
agregados graúdos em
locais onde o
espaçamento da
armadura é insuficiente
Central quando está
localizado em outras
regiões do elemento
estrutural
Central
Fonte: Autor
A análise do posicionamento típico do defeito construtivo em relação ao elemento
em que está posicionado pode revelar informações importantes ao se analisar
possíveis origens do problema.
91
4.5 Proposta do componente defeito
A partir da revisão da literatura sobre os principais defeitos e patologias na
construção e das principais informações utilizadas pelos especialistas para análise e
investigação da causa destes problemas, pode-se constatar a necessidade de se
desenvolver um mecanismo para que a geometria e posicionamento do defeito
pudessem ser representadas no modelo BIM.
Conforme demonstrado no capítulo 4.4, é relevante na análise de uma trinca, por
exemplo, o posicionamento relativo dela no elemento construtivo. Conforme foi
constatado pela revisão da literatura, as origens de uma trinca em uma viga
posicionada próximo ao pilar pode ser diferente de uma trinca posicionada na parte
central inferior da viga.
O mesmo ocorre, por exemplo, para a identificação das origens dos vazios de
concretagem, vazios que se apresentam na parte inferior dos elementos estruturais
podem estar relacionados ao lançamento indevido do concreto, e vazios localizados
na parte superior do elemento estrutural podem representar que houve
congestionamento de ferragens, retendo a brita e deixando passar apenas a
argamassa.
No caso de manchas, incluindo aquelas causadas por ferrugem, eflorescência e
umidade, a causa pode estar relacionada aos elementos que se encontram ao seu
redor, como é o caso de tubulações que possam apresentar vazamento localizado
próximo as manchas, ou estarem próximas de onde a parede está em contato direto
com o solo. Neste caso, a investigação das relações topológicas entre os elementos
ao seu redor se torna relevante.
O modelo BIM permite a inserção de parâmetros que contenham informações que
caracterizem uma determinada patologia, mas é necessária também a
caracterização da geometria e localização deste defeito nos elementos construtivos
para que padrões ocultos possam ser revelados com o uso de um sistema de
mineração de dados.
Para tratar esta questão, foi feita a proposição de componentes paramétricos para
representação de defeitos típicos que poderão ser utilizados no registro dos
92
problemas construtivos do edifício. Estes elementos podem ser utilizados como
entrada para análises estatísticas em sistemas de mineração de dados que analisem
defeitos construtivos em modelos BIM.
A proposta foi realizada para três padrões de patologias: trincas ou fissuras, vazios
de concretagem e manchas, por suas causas possuírem relação clara com a
geometria e localização do defeito nos elementos construtivos.
4.5.1 Informações relevantes para o componente defeito
Com base nos principais problemas construtivos levantados na literatura e da
análise da documentação obtida nas entrevistas, constatou-se a necessidade de se
considerar em um objeto defeito as seguintes informações:
Nome e tipo de elemento no qual o defeito foi identificado, por exemplo,
parede de alvenaria, estrutura de concreto, piso cerâmico, entre outros.
Data da identificação do defeito;
Tipo de defeito: tais como manchas, trincas, vazios de concretagem, entre
outros;
Dimensões gerais do defeito: tais como largura, profundidade, comprimento
ou área;
Coloração;
Presença de umidade;
Localização.
4.5.2 Componentes defeito propostos
Visando garantir que os componentes defeitos propostos se adequassem ao
máximo possível de situações, foram estudadas algumas abordagens para a sua
criação.
Para a criação de componentes, o software utilizado (Autodesk Revit) possui uma
série de padrões (templates) que representam a forma como o elemento criado irá
se comportar quando aplicado em um projeto.
93
Ao analisar a limitação de cada padrão existente, concluiu-se que para a criação do
componente defeito seria mais adequado o uso do template para componentes
genéricos baseado em face (generic model face based).
Este padrão permite que o componente seja posicionado na face de qualquer
elemento do modelo, por exemplo em paredes, pisos, portas, elementos estruturais,
entre outros. Os demais padrões existentes não possuem flexibilidade para permitir
a inserção do objeto em qualquer superfície, como é o caso dos padrões baseados
em paredes (wall based) que só permitem o posicionamento em paredes, ou o
padrão baseado em forro (ceiling based) que só permite a inclusão em forros, entre
outros.
Com base na análise realizada no capítulo 4.4, três componentes defeito foram
propostos nesta pesquisa por terem se destacado por apresentarem causas
investigáveis com base em seu posicionamento e relação entre elementos,
incluindo: trincas e fissuras, vazios de concretagem e manchas. (Figura 36).
Figura 36 – Componentes defeito propostos: 1- trincas e fissuras, 2 -vazios de concretagem e 3
- manchas.
Fonte: Autor
Como forma de destacar o defeito entre os demais elementos do edifício no qual
será inserido, a representação dele foi definida como vermelha (Figura 37).
94
Figura 37 - Configuração da cor do defeito em projeto.
Fonte: Autor.
Conforme a análise das informações relevantes a serem inseridas no componente
defeito, foi criado um arquivo geral de parâmetros compartilhados que podem ser
atribuídos aos objetos, conforme informações que se mostraram necessárias para
categorizar cada tipo de defeito (Figura 38).
Data identificação: para que seja informada a data em que foi detectado o
problema;
Área, comprimento, largura, espessura e diâmetros: para inclusão das
dimensões principais do defeito de acordo com o seu tipo;
Ângulo: para especificação do ângulo do defeito em relação ao elemento
construtivo;
Cor: para que seja informada a coloração do defeito;
Homogeneidade: para a categorização se a cor se apresenta de forma
uniforme ou mais concentrada em determinado ponto;
Presença de umidade: para que seja informada a presença ou não de
umidade;
95
Categoria posição relativa: para que seja inserida a posição relativa do
defeito em relação ao elemento construtivo no qual está posicionado, com
base nas categorias propostas no capítulo 4.4.
Figura 38 - Parâmetros compartilhados sobre informações de defeito a serem inseridos nos
componentes conforme necessidade.
Fonte: Autor
Para cada tipo de defeito proposto, foi definida a lista de parâmetros importantes a
serem considerados nos componentes. (Quadro 8)
96
Quadro 8 – Parâmetros propostos para cada tipo de defeito.
Tipo de defeito Representação componente Parâmetros do componente
defeito
Trincas e fissuras
Data da identificação
Espessura
Ângulo
Comprimento
Presença de umidade
Categoria posição relativa
Vazios de
concretagem
Data da identificação
Largura
Comprimento
Categoria posição relativa
Manchas
Data da identificação
Eixo maior e menor
Área
Cor
Presença de umidade
Homogeneidade
Fonte: Autor
Para a identificação do elemento construtivo no qual o defeito é inserido, parte-se do
princípio que é possível identificar esta informação a partir da análise das
coordenadas compartilhadas entre os elementos.
O método proposto para a criação do componente defeito garante flexibilidade na
sua aplicação em diferentes elementos construtivos e permite que sejam aplicados
parâmetros específicos de acordo com as informações necessárias para categorizar
cada tipo de defeito.
Os parâmetros criados para os componentes são acessíveis por tabelas e podem
ser exportados em forma de base de dados para serem trabalhados em aplicativos
externos Figura 39.
97
Figura 39 - Tabela com informações do defeito.
Fonte: Autor.
Acredita-se que a metodologia proposta possa ser utilizada para criação de outros
componentes defeito que se apresentem relevantes.
4.6 Proposição de ficha para coleta de dados de defeitos
A partir da análise dos registros fornecidos pelas empresas construtoras, constatou-
se que poucas informações são coletadas sobre o defeito construtivo. Para que seja
v “ ”
caracterizá-lo de maneira completa.
Para isso, foi feita a proposição de uma ficha padrão para registro das informações
básicas necessárias para caracterizar o defeito construtivo, conforme Figura 40.
As informações desta ficha podem ser inseridas nos procedimentos padrão de
controle de qualidade e registro de não conformidades das empresas,
complementando-os, ou serem utilizadas diretamente para o registro do defeito.
As informações básicas necessárias foram identificadas com base na revisão da
literatura sobre os defeitos e problemas construtivos, e com base nas informações
necessárias para a criação do componente defeito, que incluem:
Informações básicas sobre o elemento no qual foi identificado o defeito;
Data da identificação do defeito, incluindo dia, mês e ano;
Caracterização do defeito, incluindo tipo de defeito, cor, presença de umidade
e uma descrição geral sobre o problema identificado;
Dimensões principais do defeito;
Identificação da posição relativa do defeito em relação ao elemento
construtivo no qual está inserido, com base nas categorias propostas na
seção 4.4;
Mapeamento do defeito em planta;
98
Espaço para o desenho de um croqui e para inserção de uma foto do
problema.
O uso desta ficha proposta para coleta de informações do defeito dá subsídio à
“ ”
Figura 40 - Ficha para coleta de dados de defeitos construtivos.
Fonte: Autor
99
4.7 Resultado dos testes
4.7.1 Análise da viabilidade de aplicar técnicas de mineração de dados em
modelos BIM
O primeiro teste realizado teve como objetivo a análise da viabilidade de se aplicar
técnicas de mineração de dados em modelos BIM e seguiu a seguinte sequência:
Um modelo BIM foi desenvolvido e todos os seus componentes receberam um
parâmetro de execução de controle de qualidade com os seguintes valores
possíveis: não conforme, conforme ou aprovados após a inspeção.
Em seguida, foi feita a preparação dos dados BIM para que pudessem ser
considerados na mineração de dados, uma vez que os algoritmos de mineração de
dados geralmente esperam os dados na forma de tabelas em um banco de dados,
onde cada linha é caracterizada por um número fixo de colunas, com um tipo
definido em cada coluna.
Para planificar as informações do modelo, foi considerado o modelo BIM no formato
Industry Foundation Classes (IFC), entretanto, a mesma planificação poderia ser
obtida com a extração das informações diretamente pelo software onde o modelo
BIM foi gerado.
Para o clustering, foi escolhida a análise de classe latente que trabalha
primordialmente com valores categóricos e, para o teste, todo o agrupamento foi
realizado usando poLCA em execução no software R.
Para preparar os dados para o algoritmo de Análise de Classe Latente foi necessário
pré-processar o modelo IFC. O pré-processamento foi feito com a ajuda de
IfcOpenShell (IfCOpenShell, 2016), kit de ferramentas para analisar o arquivo IFC.
Um código C ++, integrado com o kit de ferramentas, foi criado para transformar
modelos da IFC em um arquivo de entrada para o pacote de poLCA. (DELATORRE;
CORREA; SANTOS, 2016)
100
No pré-tratamento, todas as classes de IfcBuildingElements, tais como IfcColumn e
IfcSlab foram extraídos e armazenados. Os atributos escolhidos para a
representação dos dados do modelo BIM para mineração de dados foram mapeados
em valores categóricos estabelecidos previamente.
Na preparação do modelo, a seguinte informação foi adicionada:
a classe IfcRelContainedInSpatialStructure, que dá a cada elemento uma
posição na coordenada z uma vez que este pertença a um pavimento
diferente;
os conjuntos de propriedades (PSets), ‘Identity Data’ e ‘Constraints’, que
registram respectivamente o estado de controle de qualidade e as
informações de posição no grid. Para posições de grid, decidiu-se agrupar os
componentes de acordo com a face mais próxima para classificá-los de
acordo com um pequeno número de valores categóricos.
Tabela 4.2 - Representação dos elementos do modelo BIM utilizado nas técnicas de mineração
de dados.
Variáveis manifestas Descrição Valores Categóricos
A) Posição X no Grid Agrupamento de componentes
baseado em sua coordenada
X do plano de referência
IfcPropertySingleValue
(relacionado ao parâmetro que
especifica a posição nas linhas
do Grid – … O
B) Posição Y no Grid Agrupamento de componentes
baseado em sua coordenada
Y do plano de referência
IfcPropertySingleValue
((relacionado ao parâmetro que
especifica a posição nas linhas
do Grid na direção Y – 0,...,9)
C) Elevação
Agrupamento de componentes
baseados em sua elevação
… 4 v
(5 embasamento)
D) Controle de
qualidade
Resultado do controle de
qualidade
IfcPropertySingleValue (related
to Comments added to the
model): não-conforme,
conforme e aprovado depois de
inspeção
Fonte: Delatorre; Correa e Santos (2016)
101
A Tabela 4.2 apresenta todos os dados considerados na representação de cada
elemento do modelo. Cada componente do modelo foi representado por um vetor
com quatro posições: Posição do Grid X (10 valores possíveis); Posição do Grid Y
(10); Elevação (24 valores possíveis); Estágio do controle de qualidade (3 valores
possíveis).
O modelo IFC utilizado nos experimentos teve um tamanho de 50 MB, com 5766
entidades e foi analisado em cerca de 15 minutos em um PC i5 de núcleo com 8 GB
de RAM. O arquivo de entrada para o pacote de poLCA foi produzido em cerca de 3-
4 minutos uma vez que as propriedades dos elementos em modelos IFC estão
dispersos por todo o arquivo IFC e apenas propriedades específicas foram
utilizadas.
Após a planificação dos dados do modelo BIM, foi rodado o algoritmo de clustering a
partir do uso do poLCA.
A Figura 41 é a saída de forma gráfica do algoritmo de poLCA e mostra a
distribuição de indivíduos de cada grupo com base na variável manifestada. A
expectativa era de que o grupo de componentes não conforme e alinhados
verticalmente e que se concentram em uma fachada estaria presente em um mesmo
agrupamento. É, de fato, o que acontece no cluster 2. O Grid no plano é definido por
variáveis manifestas chamadas de B a E, e os valores observados (o intervalo para
cada variável é manifestada diferentemente) 1 a n. Os pontos vermelhos marcam
cada componente individual presente no conjunto de dados.
Especial atenção é dada ao agrupamento ou classe 2: eles contêm quase 30% dos
componentes do modelo (do total de 3041 considerados no processo de estimação),
localizado nos pavimentos inferiores do edifício, incluindo fundação, e,
principalmente, localizados ao redor dos componentes não conformes, alinhados
verticalmente (todos eles estão neste cluster). O segundo grupo de componentes
não conforme está integralmente dentro do cluster 4, com mais de 50 % dos
componentes do edifício.
102
Figura 41 – Resultado do poLCA do teste 1.
Fonte: Delatorre; Correa e Santos (2016).
O resultado esperado dos testes que foram rodados sobre poLCA foi a existência de
um cluster agrupando os componentes não conforme alinhados verticalmente com
outros componentes com a mesma relação espacial, tal como na mesma fachada,
ou em cima e abaixo do pavimento, ou outra forma de correlação espacial entre a
linha do grid da variável manifestada / elevação com a marca de controle de
qualidade. Conseguiu-se esse resultado.
Entretanto, a arquitetura do modelo utilizado para explorar as técnicas de mineração
de dados não parece ser especialmente adequada para a tarefa de explorar a
geometria implícita e características topológicas presentes nos modelos BIM.
Outras características potenciais a serem exploradas na mesma arquitetura do LCA
seriam combinar variáveis contínuas e categóricas no modelo, mas isso só seria
103
possível com uso de software comercial, tais como o Mplus de UCAL, que não
estavam disponíveis para esta pesquisa, neste momento.
4.7.2 Mineração dos dados do modelo com a inclusão do componente
defeito
O segundo teste realizado teve como objetivo materializar o arcabouço teórico
desenvolvido a partir da inclusão das do componente defeito na análise. Para tal,
seguiu-se a mesma metodologia proposta no primeiro teste, com a particularidade
de se considerar as informações do objeto defeito.
Para isto, um novo modelo BIM com 5060 elementos foi desenvolvido e defeitos do
tipo “trinca” foram inseridos nas paredes dos eixos 2, 3, 4 e 5, e entre os eixos K e A,
local onde apresentavam maior comprimento. Esta distribuição foi repetida para os
níveis 1, 5, 7, 8, 9, 10, 15, 16, 17 e 18.
Para cada trinca, foi inserida a informação de ângulo de 0º, 45º, 90º ou 180º e
também, o seu posicionamento relativo em relação ao elemento construtivo,
seguindo as categorias, N – Norte, L – Leste, NL – Nordeste, NO – Noroeste, SL –
Sudoeste, SO – Sudeste.
Os defeitos tipo “mancha” foram inseridos concentrados no pavimento 8 em
elementos do tipo piso (floor). A definição dos ângulos e posicionamento relativo foi
feita de forma aleatória, seguindo a mesma classificação adotada para as trincas.
Em seguida, foi feito o pré-processamento dos dados do modelo IFC com a definição
dos atributos que seriam considerados para a mineração de dados. Estes foram
classificados em valores categóricos conforme Tabela 4.3.
104
Tabela 4.3 - Representação dos elementos do modelo BIM utilizado nas técnicas de mineração
de dados.
Variáveis manifestas Descrição Valores Categóricos
A) Classe IFC Cada componente pertence a uma classe
IFC
1-IfcColumn,2-
IfcWallStandardCase,3-
IfcSlab,4-IfcFooting
B) Posição X no
Grid
Agrupamento de componentes baseado em
sua coordenada X do plano de referência
IfcPropertySingleValue
(24 valores possíveis)
C) Posição Y no
Grid
Agrupamento de componentes baseado em
sua coordenada Y do plano de referência
IfcPropertySingleValue
(24 valores possíveis)
D) Elevação Agrupamento de componentes baseados
em sua elevação
… 8 pavimentos
E) Tipo de defeito Parâmetro inserido 1-normal, 2-Trinca, 3-
Mancha
F) Ângulo Parâmetro inserido 1-sem angulo, 2-45
graus, 3-90 graus, 4-
180 graus
G) Posição
Relativa
Parâmetro inserido 1-sem, 2-N, 3-L, 4-NL,
5-NO, 6-SL, 7-SO
Fonte: Autor
Como resultado desta categorização, gerou-se a planilha de entrada para rodar o
algoritmo de clustering a partir do uso do poLCA, seguindo o mesmo método do
teste 1. Os dados do componente defeito foram relacionados aos elementos em que
estavam posicionados a partir do parâmetro de referência de host ID disponível no
modelo e os seus dados foram inseridos como colunas extras para cada linha que
representa o elemento construtivo (Figura 42).
105
Figura 42 – Planilha de dados planificados para entrada no poLCA
Fonte: Autor
Figura 43 – Resultado do poLCA do teste 2.
Fonte: Autor
A Figura 43 mostra a saída gráfica do algoritmo de poLCA e mostra a distribuição de
indivíduos de cada grupo com base na variável manifestada. O Grid no plano é
definido por variáveis manifestas chamadas de A a H, e os valores observados (o
intervalo para cada variável é manifestada diferentemente) 1 a n. Os pontos
vermelhos marcam cada componente individual presente no conjunto de dados.
106
Como resultado foi possível identificar que dois dos seis clusters onde aparecem os
elementos com defeito, com 0,3% e 2% dos componentes presentes no teste,
representam aproximadamente o número de componentes defeituosos.
Para visualização do resultado dos agrupamentos do modelo, as classes atribuídas
para cada elemento construtivo foram inseridas no modelo BIM. Em seguida, os
elementos pertencentes a cada classe foram filtrados para identificação da
localização de cada grupo (Quadro 9).
Quadro 9 – Representação no modelo para cada tipo de agrupamento.
CLUSTER REPRESENTAÇÃO MODELO
Cluster 1 - CATEGORIA PILARES
Cluster 2: CATEGORIA PISOS + OBJETO DEFEITO
MANCHAS
Cluster 3: PISOS SEM DEFEITOS
107
Quadro 9 - Representação no modelo para cada tipo de agrupamento (continuação).
CLUSTER REPRESENTAÇÃO MODELO
Cluster 4: FUNDAÇÕES
Cluster 5: PAREDES SEM DEFEITO
Cluster 6: PAREDES COM OBJETO DEFEITO
TRINCA
Fonte: Autor
Pode-se perceber pela análise que o algoritmo agrupou em classes diferentes,
“ ” “ ” Os demais agrupamentos
seguiram as classes IFC a qual os elementos estão associados.
Não foram identificados, entretanto, agrupamentos específicos para os diferentes
ângulos e posição relativa.
108
Com base neste teste foi possível experimentar uma forma de representar as
informações do componente defeito na planificação dos dados para mineração de
dados. Esta representação incluiu a classificação das informações do defeito e de
seu posicionamento relativo em valores categóricos, além da associação dos
defeitos ao elemento construtivo a partir do uso do parâmetro host ID. Acredita-se
que, embora tenha sido utilizado este parâmetro para criação deste vinculo, esta
mesma associação poderia ser feita pelo cruzamento das coordenadas do
componente defeito e de seus hospedeiros.
109
5 ARCABOUÇO TEÓRICO PARA MINERAÇÃO DE DADOS DE DEFEITOS EM
MODELOS BIM
A Figura 44 representa o arcabouço teórico para mineração de dados de defeito em
modelos BIM, ilustrando os principais pontos a serem considerados para
caracterização das informações de defeitos e de qualidade no modelo BIM e para o
seu processamento em sistemas de mineração de dados.
Figura 44 - Arcabouço teórico para mineração de dados de defeitos em modelos BIM
Fonte: Autor. Adaptação da mineração espacial proposta por Bogorny; Engel e Alvares (2005)
Na etapa de coleta de dados (1), através da ficha de registro de defeitos proposta,
é feita a coleta das informações das patologias detectadas que, juntamente com as
demais informações coletadas pelo processo de gestão da qualidade, formam a
base de informações a serem registradas no modelo BIM. Em seguida, os
componentes defeito (2) são criados com base nas informações contidas nas fichas
de registro e inseridos no modelo BIM (3), na etapa de registro no modelo BIM.
Na sequência, é feita a preparação dos dados BIM para que sejam considerados
na mineração de dados. A etapa de preparação dos dados é a etapa que irá
transformar os dados do modelo em uma tabela bidirecional, na qual cada coluna
representa uma variável categórica, para que seja possível aplicar algoritmos de
mineração de dados tradicionais. Primeiramente, é feita a validação (4) da
representação dos dados do modelo BIM. Esta fase é importante pois, uma vez que
os modelos BIM são exportados em IFC ou em outra forma de exportação, é
110
necessário averiguar se os dados que serão utilizados para análise estão
condizendo com o que se espera dos dados exportados. É importante, por exemplo,
verificar se todos os elementos estruturais estão categorizados corretamente no
modelo BIM, uma vez que, dependendo do processo de modelagem, podem ser
atribuídos aos elementos categorias diferentes daquelas nativas ao software e,
desta forma, a mineração destes dados poderia ter um falso resultado.
Em seguida é feita a seleção, no qual os dados são pré-selecionados para
eliminação de ruídos e dados irrelevantes (5). Nesta fase é feita a escolha dos
elementos que serão minerados e quais parâmetros e informações destes
elementos serão utilizados na análise dos dados. Como exemplo, de acordo com a
análise que se quer fazer, é possível isolar apenas os elementos colunas para
verificar, dentre eles, quais apresentam não-conformidades e quais são saudáveis e,
dentre os não conformes, analisar possíveis causas de acordo com a geometria e
posicionamento dos defeitos. Neste caso, seriam selecionados apenas parâmetros
relevantes para esta análise.
Ainda na etapa de preparação dos dados, é necessário tornar explícitas informações
implícitas do modelo BIM que sejam relevantes para análise. Esta etapa foi chamada
de materialização onde todas as relações espaciais relevantes (6a), definidas na
etapa de seleção, podem ser traduzidas, por exemplo, com base nos predicados
para análise das relações entre elementos construtivos propostos por Nepal et al.
(2012) ou no uso de aplicativos como o 3DIR proposto por Demian et al. (2016) e
com base nas classificações ou funções propostas nesta pesquisa para
interpretação da localização de cada tipo de componente defeito em relação ao
elemento construtivo (6b). Para exemplificar, nesta etapa é importante, com base
nos elementos construtivos e tipos de defeito a serem investigados, tornar explícitas
relações topológicas que podem estar vinculadas às causas das patologias. Este é o
caso de caixilhos que estão localizados acima de manchas de umidade, ou o caso
da posição dos vazios de concretagem que podem representar diferentes causas
dependendo da região do pilar em que se apresentam.
Na fase final da preparação dos dados, na etapa de transformação, as relações
espaciais e parâmetros que serão utilizados na análise são transpostos em um
formato de tabela único de acordo com os requisitos das ferramentas de mineração
111
de dados (7). Como resultado, a tabela final possuirá os atributos não espaciais e
todas as relações espaciais relevantes materializadas. A partir disso, poderão ser
aplicados os algoritmos específicos de mineração de dados (8) e poderá ser feita a
interpretação de padrões sobre os dados de defeitos analisados (9).
112
6 CONCLUSÃO E TRABALHOS FUTUROS
Constatou-se através da revisão bibliográfica que o modelo BIM pode ser utilizado
como repositório de dados de informações de diferentes etapas da construção civil,
incluindo dados geométricos e não geométricos. Estes dados, quando aplicáveis,
podem ser armazenados diretamente nos elementos construtivos a que se referem
devido à capacidade dos elementos paramétricos do modelo BIM de vincular-se a,
receber, divulgar ou exportar propriedades.
Ao se armazenar informações resultantes dos processos de execução, avaliação
pós ocupação (APO) e manutenção, tais como dados de qualidade, atrelados aos
componentes construtivos do modelo BIM, dá-se origem a uma base de dados com
um grande volume de informações, que pode ser uma rica fonte para a identificação
de padrões, que podem indicar causas de vícios de execução, características
benéficas ou nocivas do projeto, consequências da (não) manutenção, entre outras.
Para análise destas informações, constatou-se a necessidade de utilização de
técnicas que permitam o seu processamento. Dentre as técnicas existentes para a
descoberta de conhecimento em bases de dados foram constatados o KDD e, mais
especificamente, a mineração de dados.
Dado que o modelo BIM não é um repositório de dados padrão, no qual as técnicas
poderiam ser aplicadas diretamente, o problema identificado para esta pesquisa foi a
investigação do que seria necessário para aplicar-se a mineração de dados em
dados de defeitos construtivos em modelos BIM.
A literatura preconiza que, para a aplicação de técnicas de mineração em dados
espaciais, é necessária a preparação destes dados para a aplicação tanto de
algoritmos espaciais quanto clássicos na mineração de dados. Esta preparação,
entretanto, poderia esconder características importantes sobre a geometria e as
relações entre os elementos do modelo, sendo importante desenvolver maneiras de
representá-las.
As linguagens de consulta desenvolvidas especificamente ou aplicadas em modelos
BIM, até o momento, visam, em sua maioria, a criação de filtros de vista ou a
113
identificação de relações entre os elementos que possam ser utilizadas, por
exemplo, em processos de compatibilização de projetos.
A linguagem QL4BIM foi a primeira a tratar a informação de geometria dos modelos.
Ela pode ser aplicada em modelos BIM que estejam de acordo com as diretrizes IFC
e incluem operadores espaciais, tais como: métricos, direcionais e topológicos. Tal
linguagem, entretanto, não pode ser utilizada nesta pesquisa, pois seu código não
está disponível para uso do público.
Como mecanismo para que a geometria dos elementos e suas relações topológicas
possam ser tratadas para , esta pesquisa considerou o uso
dos predicados propostos por Nepal et al. (2012), a utilização do software 3DIR
desenvolvido por Demian et al. (2016) e propôs a aplicação de uma classificação
para as relações entre o componente defeito e o elemento construtivo.
Os predicados propostos por Nepal et al. (2012) analisam as relações entre
elementos construtivos. Para a análise e categorização das relações entre os
elementos, foi considerado, para esta pesquisa, a possibilidade de sua aplicação.
Estes predicados, entretanto, tratam apenas das relações entre elementos
construtivos diferentes como, por exemplo, se um pilar está acima ou abaixo de uma
viga. Fez-se necessário, portanto, definir maneiras de categorizar o posicionamento
dos defeitos construtivos em relação aos elementos em que estão inseridos, de
forma a viabilizar que esta informação pudesse ser considerada nas análises
processadas por um sistema de mineração de dados. Para tal foi feita uma
proposição de categorização de alguns tipos de defeitos construtivos que
apresentam relação clara entre o seu posicionamento e a causa da patologia.
Partiu-se de problemas construtivos típicos da construção civil e da análise de suas
particularidades, tais como configurações típicas para trincas ou fissuras e vazios de
concretagem. Porém, sabe-se que há um vasto campo de estudo para desenvolver
formas de categorizar outras configurações de patologias construtivas de acordo
com suas origens e que poderiam enriquecer aplicativos para mineração de dados
que sejam desenvolvidos para a análise de defeitos construtivos.
114
Para subsidiar o desenvolvimento do arcabouço teórico proposto, foram feitas
entrevistas em construtoras para que houvesse o entendimento do processo de
controle de qualidade e gestão de não conformidades nas empresas.
Assim como foi apontada na revisão da literatura, constatou-se que muitas vezes a
coleta dos dados de não conformidades é feita de forma desestruturada, o que
dificulta a consolidação das informações em uma base de dados única que possa
ser consultada para que seja possível analisar possíveis causas dos problemas para
retroalimentação do processo.
Embora a empresa A tenha se apresentado mais avançada, por utilizar um sistema
de coleta de informações de defeitos a partir do uso de aplicativos móveis (por
exemplo tablet e celulares) e que gera uma base de dados consolidada acessível
para análise, estes dados não são vinculados ao elemento construtivo em que se
encontram, o que dificulta a identificação de causas que podem estar relacionadas a
geometria ou a relações entre elementos construtivos.
Para que fosse possível a mineração de dados de defeitos construtivos em modelos
BIM, foi necessária a identificação de mecanismos para representação dos
problemas construtivos no modelo. Para tratar esta questão foram propostos: uma
ficha padrão para registro das informações básicas necessárias para caracterizar o
defeito construtivo e a criação de um componente defeito que pudesse ser utilizado
para representar a patologia no modelo BIM.
As informações das fichas propostas podem ser inseridas nos procedimentos padrão
de controle de qualidade e registro de não conformidades das empresas, ou serem
utilizadas especificamente para o registro do defeito.
Os componentes defeito desenvolvidos basearam-se em tipologias de defeito que se
destacaram ou por possuir relação clara entre a origem do problema e a
configuração do defeito perante o elemento construtivo em que está posicionado ou
por sua causa poder estar relacionada com elementos próximos a ele. Com base
nisso, foram propostos objetos defeito para trincas (ou fissuras), vazios de
concretagem e manchas.
Para cada tipologia de defeito proposta, foi feita a inclusão de parâmetros relevantes
para sua análise. Acredita-se que a abordagem adotada para criação destes
componentes possa ser utilizada para outras tipologias de defeito.
115
Os dados de problemas construtivos coletados nas duas empresas estudadas
permitiram a identificação de relações importantes a serem verificadas em um
sistema de mineração de dados em modelos BIM que analise defeitos construtivos.
Por serem em sua maioria referentes a informações, geometria ou relação entre
elementos construtivos, acredita-se que estas mesmas relações possam ser
utilizadas para sistemas de mineração de dados que investiguem outras
informações, tais como as geradas durante o controle de produtividade, gestão de
facilidades, entre outros, na busca de padrões que possam sofrer a influência da
geometria e relações entre os elementos.
A forma com que foram realizados os testes para análise da viabilidade de se
minerar dados em modelos BIM mostrou-se limitada. O uso de outras abordagens
que possam representar mais explicitamente relações topológicas entre elementos
no modelo BIM poderia ser um possível caminho a seguir na tentativa de lidar com a
riqueza de dados BIM.
Com relação a LCA, uma abordagem potencial a ser explorada seria combinar
variáveis contínuas e categóricas no modelo, mas isso só seria possível com o uso
de software comercial, por exemplo, o Mplus, que não estava disponível para esta
pesquisa.
Enfim, a análise do que é necessário para minerar dados de defeitos BIM se
mostrou um assunto vasto, com potencial para continuidade das pesquisas. O
arcabouço teórico proposto nesta dissertação indica os principais aspectos a serem
considerados para que seja viável esta mineração. Há um amplo campo de pesquisa
a ser explorado em cada etapa apresentada, desde a coleta de dados e registro no
modelo BIM, passando pelo pré-processamento dos dados e depois na mineração
em si.
Para a etapa de coleta de dados e registro dos defeitos, pesquisas futuras poderão
fazer uso dos componentes defeito propostos e das informações disponíveis nas
fichas para criação de aplicativos que permitam a inserção e categorização dos
defeitos construtivos diretamente em modelos BIM. Estes poderiam ser atrelados,
por exemplo, aos softwares de controle de qualidade de obra disponíveis para
tablets, como é o caso do Autodesk BIM 360 Field e outros. Desta forma, o registro
116
de não conformidades em campo alimentaria diretamente o modelo BIM de
informações relevantes para a mineração de dados.
Para subsidiar a etapa de preparação dos dados proposta no arcabouço, pesquisas
futuras poderão investigar formas de tornar explícitas as informações implícitas da
geometria dos componentes BIM e se aprofundar na análise da categorização de
relações para outros problemas construtivos que não tenham sido contemplados.
O software proposto por Demian et al. (2016) apresenta grande potencial para tornar
explícitas as relações topológicas entre os elementos construtivos necessárias na
fase de materialização na etapa de preparação dos dados, porém é limitado a
relações de hospedeiro, intersecção e tocar. Pesquisas futuras poderão investigar
maneiras de representar relações adicionais.
Para a mineração de dados em si, há um amplo campo para desenvolvimento de
algoritmos específicos para análise dos defeitos construtivos.
Para o desenvolvimento de aplicativos para mineração dos dados de defeitos,
poderão ser analisadas formas de se criar um sistema que permita o processamento
inicial de todos os dados do modelo BIM para identificação de clusters com uma
mesma característica e, em seguida, correlacioná-los com o agrupamento de
defeitos. Por exemplo, dado um agrupamento que demonstre uma concentração de
vigas de maior dimensão, identificar que o agrupamento de trincas está localizado
exatamente nestas vigas de maior dimensão ou apresentam um fck específico.
Embora esta pesquisa tenha sido direcionada à análise de requisitos para mineração
de dados de defeitos, acredita-se que boa parte dos aspectos abordados sejam
relevantes para análise de outros indicadores da construção civil que sofram a
influência tanto da geometria dos elementos, quanto das relações entre eles. É
possível citar, por exemplo, o impacto da geometria na produtividade da execução
de serviços específicos. Pode-se pressupor que serviços com geometrias simples
tendem a propiciar uma produtividade maior do que os de geometria complexa. A
aplicação da mineração de dados em dados de produtividade inseridos em modelos
BIM poderia contribuir, por exemplo, na identificação de tipologias de elementos ou
regiões que impactam na produtividade da execução do serviço.
Além disso, as novas tecnologias emergentes, tais como o uso de sensores em
edificações e Internet of Things (IoT), provavelmente se beneficiariam da associação
117
aos modelos BIM, o que aumentaria os tipos de informações disponíveis a serem
analisadas por mineração de dados.
REFERÊNCIAS
ADACHI, Y. Overview of partial model query language. In: 10th ISPE INTERNATIONAL CONFERENCE ON CONCURRENT ENGINEERING, [S.n].,2003, Madeira. Anais... Madeira:ISPE CE, 2003. P.549-555.
AIA CALIFORNIA COUNCIL. Integrated Project Delivery: Frequently Asked Questions. California, 2008. 7 p.
ANDERSEN, E. Latent Structure Analysis: a survey. Scandinavian Journal of Statistics, v.9, n.1, p. 1-12, 1982.
BERNARDES, C. et al. Qualidade e o custo das não-conformidades em obras de Construção Civil. 1 edição. São Paulo: Pini: SECOVI-SP, 1998. 90 p.
BOGORNY, V.; ENGEL, P.; ALVARES, L. O. Spatial data preparation for knowledge discovery. IEEE Computer Graphics, v. 24, n. 5, p. 16-19, 2005.
BORRMANN, A.; SCHRAUFSTETTER, S.; RANK, E. Implementing metric operators of a spatial query language for 3D buildings models: Octree and b-rep approaches. Journal of Communications and Computer Engineering, v.23, [S.n], p. 34-46, 2009.
BORRMANN, A.; VAN TREECK, C.; RANK, E. Towards a 3D spatial query language for building information models. In: INT. CONF. ON COMPUTING AND DECISION MAKING IN CIVIL AND BUILDING ENGINEERING, Montreal. Anais… : ICCCBE-XI, 2006.
BUILDINGSMART. ifcXML Implementation Guide. IAI International, 2007. 50 p, v.2.
CÂNDIDO, G.A.; ABREU, A. F. O processo de implantação de novas tecnologias e a busca da sinergia entre indivíduo e organização. Revista de Ciências da Administração, v.4, n.8, p. 1-13, jul/dez. 2002.
CARVALHO, R. Patologias em concreto armado. Rodrigo Rocha Carvalho, [S.l.], [S.n], mai. 2014. Disponível em: < http://rodrigorcarvalho.com.br/artigos/patologias-em-concreto-armado/>. Acesso em: 01 jun. 2016.
CHEN, L.; LUO, H. A. BIM-based construction quality management model and its applications. Automation in Construction, v.46, [S.n], p. 64-73, jun. 2014.
CHENG, Y. M.; LEU, S.S. Integrating data mining with KJ method to classify bridge construction defects. Expert Systems with Applications, v. 38, n. 6, p. 7143–7150, jun. 2011.
118
CHENG, Y.; YU, W.; LI, Q. GA‐based multi-level association rule mining approach for defect analysis in the construction industry. Automation in Construction, v. 51, [S.n], p. 78–91, mar. 2015.
CHI, S. et al. Development of a data mining-based analysis framework for multi-attribute construction project information. Advanced Engineering Informatics, v. 26, n. 3, p. 574–581, ago. 2012.
CLEMENTINI, E.; DI FELICE, P. A model for representing topological relationships between complex geometric features in spatial databases. Information sciences, v. 90, n. 1, p. 121-136, 1996.
COMUNIDADE DA CONSTRUÇÃO. Revestimento cerâmico em fachadas estudo das causas das patologias: Relatório de pesquisa. Fortaleza, 2004, 71 p.
CURRY, E. et al. Linking building data in the cloud: integrating cross-domain building data using linked data. Advanced Engineering Informatics, v.27, [S.n], p. 206-219, 2013.
DAUM, S; BORRMANN, A. Processing of Topological BIM Queries using Boundary Representation Based Methods. Advanced Engineering Informatics, v. 28, n. 4, p.272-286, 2014.
DELATORRE, J.P.M; CORREA, F. SANTOS, E.T. Mining BIM models: data representation and clusterization from implicit relationships. In: 16th INTERNATIONAL CONFERENCE ON COMPUTING IN CIVIL AND BUILDING ENGINEERING, [S.n]., 2016, OSAKA. An s…Osaka:ICCCBE, jul. 2016.
DEMIAN, P. et. al. 3DIR: Exploiting Topological Relationships in Three-Dimensional Information Retrieval from BIM Environments. In: 16th INTERNATIONAL CONFERENCE ON COMPUTING IN CIVIL AND BUILDING ENGINEERING, [S.n]., 2016, OSAKA. An s…Osaka:ICCCBE, jul. 2016.
DINIZ, A. Dnit exigirá nas licitações projetos entregues em BIM. O Empreiteiro, [S.l.], ed. 513, 2012.
EASTMAN, C. M. et al. BIM Handbook: A Guide to Building Information Modeling for Owners, Managers, Designers, Engineers and Contractors, 2nd Edition. Hoboken: Wiley, 2011. 648 p.
ELDRIDGE, H. J. Construction defectos comunes. Barcelona: Editorial Gustavo Gili, S.A., 1982. 465 p.
ESTER, M.; KRIEGEL, H. P.; SANDER, J. Knowledge discovery in spatial databases. Springer Berlin Heidelberg, 1999.
FAYYAD, U.; PIATETSKY-SHAPIRO, G.; SMYTH, P. The KDD process for extracting useful knowledge from volumes of data. Communications of the ACM, v.39, n. 11, p. 27-34, 1996.
FIGUEROLA, V. Vazios de concretagem. Techne, [S.v], ed. 109, abr. 2006. Disponível em: < http://techne.pini.com.br/engenharia-civil/109/artigo287074-
119
1.aspx>. Acesso em: 01 jun. 2016.
GONÇALVES, J.E.L; GOMES, C.A. A tecnologia e a realização do trabalho. Revista de Administração de Empresas, [S.v], [S.n], 1993. Disponível em: <http://www.scielo.br/scielo.php?script=sci_pdf&pid=S0034-75901993000100010>. Acesso em: 24 set. 2013.
GU, N e LONDON, K. Understanding and facilitating BIM adoption in the AEC industry. Automation in Construction, v.19, [S.n], p. 988-999, dez. 2010.
HIYAMA, K. Assigning Robust Default Values in Building Performance Simulation Software for Improved Decision-Making in the Initial Stages of Building Design. The scientific world journal, v. 15, [S.n], p. 1–11, 2015.
HU, M.X; LU, S; ABOURIZK. BIM-based data mining approach to estimating job man-hour requirements in structural steel fabrication. In: WINTER SIMULATION CONFERENCE, [S.n]., 2014, Savannah. Anais… Savannah:WSC, 2014. p. 3399-3410.
IfcOpenShell (2016). IfcOpenShell: the open source ifc toolkit and geometry engine. Disponível em: <http://ifcopenshell.org/>. Acesso em: 9 jan. 2016.
JIANG, S.; ZHANG, H.; ZHANG, J. Research on BIM-based Construction Domain Text Information Management. Journal of Networks, v. 8, n. 6, p. 1455–1465, jun. 2013.
KASANEN, E.; LUKKA, K.; SIITONEN. The Constructive Approach in Management Accounting Research. Journal of Management Accounting Research, v. 5, [S.n], p. 241-264, 1993.
KHEMLANI, L. The "Internet of Things" in AEC. AECbytes, [S.n], [S.e], out. 2014. Disponível em: <http://www.aecbytes.com/buildingthefuture/2014/InternetofThings.html>. Acesso em: 02 fev. 2015.
KIM, H.; STUMPF, A.; KIM, W. Analysis of an energy efficient building design through data mining approach. Automation in Construction, v. 20, n. 1, p. 37–43, jan. 2011.
KIM et al. Factor selection for delay analysis using Knowledge Discovery in Databases. Automation in Construction, v.17, [s.n], p.550–560, 2008.
KREIDER, R. G.; MESSNER, J. I. The Uses of BIM: Classifying and Selecting BIM Uses. Pennsylvania State University, v.9, set. 2013. Disponível em: <http://bim.psu.edu>. Acesso em: 10 fev. 2015.
LABRO, E.; TUOMELA, T-S. On bringing more action into management accounting research: process considerations based on two constructive case studies. European Accounting Review, v. 12, n. 3, p. 409-42, 2003.
LEE, D. et al. A linked data system framework for sharing construction defect information using ontologies and BIM environments. Automation in Construction, v.68, [S.n], p.102-113, 2016.
120
LINZER, D.; LEWIS, J. poLCA: an R Package for Polytomous Variable
Latent Class Analysis. Journal of Statistical Software, v.42, n.10, p.1-29, 2011.
LIU, Y. S. Recent advances on Building Information Modeling. TheScientificWorldjournal, [S.v], [S.n], [S.p], 2015.
LOVE, P.E.; LI, H. Quantifying the causes and costs of rework in construction. Construction Managements and Economics, v.18, n.4, p. 479-490, 2000.
LUNA, S. V. Planejamento de pesquisa: Uma introdução. São Paulo: EDUC, 1997. 110p.
MA, Z.; LU, N; WU, S. Identification and representation of information resources for construction firms. Automation in Construction, v.25, [S.n], p. 612-624, set. 2011.
MAZAIRAC, W.; BEETZ, J. BIMQL – An open query language for building information models. Advanced Engineering Informatics, v. 27, n. 4, p. 444–456, out. 2013.
MCGRAW-HILL CONSTRUCTION. The Business Value of BIM for Construction in Major Global Markets: How contractors around the world are driving innovation with Building Information Modeling. SmartMarket Report. 2014. 61 p.
MENEZES, R.R. et al. Sais solúveis e eflorescência em blocos cerâmicos e outros materiais de construção – revisão. Cerâmica [online], v.52, n.321, p. 37-49, 2006.
MURARI, G. F.; FIORITI, C.F. Análise das manifestações patológicas existentes no conjunto habitacional Monte Carlo – Presidente Prudente. In: CONGRESO INTERNACIONAL SOBRE PATOLOGIA Y RECUPERACIÓN DE ESTRUCTURAS, 2013, João Pessoa. Anais...João Pessoa: CINPAR, 2013.
NAKAMURA, J. Como anda o BIM nas incorporadoras. Construção Mercado, [S.l.], ed. 143, jun. 2013. Disponível em: < http://construcaomercado.kubbix.com/negocios-incorporacao- construcao/143/artigo290692-1.aspx>. Acesso em: 02 out. 2013.
NEPAL, M. P. et al. Querying a building information model for construction-specific spatial information. Advanced Engineering Informatics, v. 26, n. 4, p. 904–923, out. 2012.
OYEGOKE, A. The constructive research approach in project management research. International Journal of Managing Projects in Business, v. 4, n. 4, p. 573–595, set. 2011.
PARK, C. et al. A framework for proactive construction defect management using BIM, augmented reality and ontology-base data collection template. Automation in Construction, v.33, [S.n], pag. 61-71, out. 2013.
RAMALHO et al. Avaliação das manifestações patológicas da umidade de edificações em cidades do vale do Jequitinhonha e Mucuri. In: COBENGE, 2014, Juiz de Fora. Anais... Juiz de Fora: COBENGE, 2014.
121
SILBERSCHATZ, A.; KORTH, H.F.; SUDARSHAN, S. Sistema de banco de dados. 5ed. Elsevier, 2006. 786 p.
SILVA, F.B.S. Patologia das construções: uma especialidade na engenharia civil. Techne, [S.n.], ed. 174, set. 2011. Disponível em: < http://techne.pini.com.br/engenharia-civil/174/artigo285892-3.aspx>. Acesso em: 03 mar. 2016.
SOIBELMAN, L. et al. Management and analysis of unstructured construction data types. Advanced Engineering Informatics, v. 22, n. 1, p. 15–27, jan. 2008.
SOIBELMAN, L.; ASCE, M.; KIM, H. Data Preparation Process for Construction Knowledge Generation through Knowledge Discovery in Databases. Journal of computing in civil engineering, v. 16, n. 1, 2002.
TAN, P.N.; STEINBACH, M; KUMAR, V. Introdução ao datamining: mineração de dados. Ciencia Moderna, 2009.
THOMAZ, E. Trincas em edifícios: causas, prevenção e recuperação. 1 edição. São Paulo: Pini: IPT/EPUSP/PINI, 2002. 194 p.
WEISE, M.; KATRANUSCHKOV, P; SCHERER, R. J. Generalised model subset definition schema. CIB REPORT, v. 284, [S.n], p. 440, 2003.
WILSON, W.S.; HENG, L. Building information modeling and changing construction practices. Automation in Construction, v. 20, [S.n], p. 99–100, mar. 2011.
WÜLFING, A.; WINDISCH, R.; SCHERER, R. J. A visual BIM query language. In: EUROPEAN CONFERENCE ON PRODUCT & PROCESS MODELLING, [S.n]., 2014, Vienna. Anais... Vienna: eWork and eBusiness in Architecture, Engineering and Construction, 2014. p. 157-164.
ZHOU, G. et. al. Integration of GIS and data mining technology to enhance the pavement management decision making. Journal of Transportation Engineering, v.136, n.4, p. 332–341, 2010.